学位论文 > 优秀研究生学位论文题录展示

基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究

作　者: 杨晓晶
导　师: 向凤红
学　校: 昆明理工大学
专　业: 系统工程
关键词: 短期负荷预测高斯过程回归经验模态分解(EMD) 等维新息组合预测
分类号: TM715
类　型: 硕士论文
年　份: 2010年
下　载: 110次
引　用: 0次
阅　读: 论文下载

内容摘要

电力短期负荷预测是电力系统运行和管理中的一个重要组成部分。提高其预测质量,对提高电力系统运行的安全性、经济性、可靠性以及供电质量均有积极作用。随着人工智能技术的不断发展,短期负荷预测的智能方法大量涌现,预测准确度得到一定程度的改善。但总体上看,短期负荷的准确预测仍是一个难题。如何在现有的方法上推陈出新,提高其预测精度,是研究人员面临的重点问题。短期电力负荷是一个非线性、非平稳的随机过程,负荷的变化受到多种外界因素影响。本文首先对短期负荷的特点、构成及其相关影响因素进行了研究,并对现有的各种短期负荷预测分析方法进行了总结。在此基础上,尝试将基于机器学习的高斯过程回归理论引入短期负荷预测。针对短期负荷预测中负荷与影响因素之间的复杂非线性关系,充分考虑了历史负荷和气象因素的影响,将预测日前连续多日的历史最大负荷和预测日平均气温作为模型输入,建立了基于高斯过程回归的短期负荷预测模型,该模型具有参数少、参数寻优容易,易收敛等优点。考虑到短期负荷是由不同频率的特征分量组成这一特点,将经验模态分解理论加入到短期负荷预测中的数据预处理环节,将短期负荷序列分解成若干周期分量和一个趋势分量,运用高斯过程回归理论对这些分量分别建模,最后通过重构得到预测结果。仿真结果表明,将经验模态分解和高斯过程回归理论应用于短期电力负荷组合预测是可行的,有着较高的预测准确度,能较好地反映负荷的变化趋势,并具有良好的自适应性。

全文目录

摘要  4-5
Abstract  5-6
目录  6-8
第一章绪论  8-15
  1.1 论文选题的背景和意义  8-9
  1.2 电力负荷预测的特点及研究现状  9-14
    1.2.1 电力负荷预测的特点  9-11
    1.2.2 电力负荷预测的研究现状及动向  11-14
  1.3 本文的主要工作及内容安排  14-15
第二章短期电力负荷分析与预测方法  15-31
  2.1 短期电力负荷预测原理  15-20
    2.1.1 短期电力负荷的特点  15-19
    2.1.2 短期电力负荷预测的原理  19-20
  2.2 短期负荷预测方法  20-26
    2.2.1 回归分析  20
    2.2.2 时间序列分析  20-21
    2.2.3 灰色系统理论  21
    2.2.4 人工神经网络  21-23
    2.2.5 专家系统  23-24
    2.2.6 模糊理论  24
    2.2.7 小波分析  24-25
    2.2.8 支持向量机  25-26
  2.3 短期负荷特性分析  26-30
    2.3.1 短期负荷的构成  26-28
    2.3.2 影响短期负荷的因素  28-30
  2.4 本章小结  30-31
第三章高斯过程回归理论及其在短期电力负荷预测的应用  31-45
  3.1 机器学习基本理论  31-33
  3.2 高斯过程基本理论  33-37
    3.2.1 高斯过程  34-35
    3.2.2 高斯回归  35-37
  3.3 基于高斯过程回归的短期电力负荷预测  37-39
    3.3.1 训练样本的选取和输入向量的设计  37-38
    3.3.2 短期负荷预测的GP算法  38-39
  3.4 算例验证与结果分析  39-44
  3.5 本章小结  44-45
第四章基于EMD和高斯过程回归理论的短期电力负荷组合预测  45-56
  4.1 EMD基本原理  45-48
    4.1.1 本征模态函数  46
    4.1.2 EMD分解  46-48
    4.1.3 EMD重构  48
  4.2 EMD-高斯过程回归的短期电力负荷组合预测方法  48-52
    4.2.1 短期负荷序列的EMD分解  49-50
    4.2.2 基于EMD和高斯过程回归的短期电力负荷预测组合算法  50-52
  4.3 算例验证  52-55
  4.4 本章小结  55-56
第五章结论与展望  56-58
  5.1 结论  56-57
  5.2 后续工作的展望  57-58
致谢  58-59
参考文献  59-63
附录A 攻读硕士学位期间公开发表的论文  63

基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究

内容摘要

全文目录

相似论文