電力需求預(yù)測是電力系統(tǒng)規(guī)劃與運(yùn)行的重要基礎(chǔ)工作,是電力企業(yè)制定購電和發(fā)電計(jì)劃的重要依據(jù),也是電網(wǎng)安全經(jīng)濟(jì)運(yùn)行的重要保障。電力需求指標(biāo)會受到各種因素的影響,知識發(fā)現(xiàn)理論和方法能夠用來挖掘指標(biāo)變化的內(nèi)在規(guī)律及其與影響因素之間的相互關(guān)系,從而做出更加科學(xué)準(zhǔn)確的預(yù)測。本文在電力需求預(yù)測方面做了如下研究:（1）研究并提出了基于三指標(biāo)量的復(fù)合預(yù)測模型。三指標(biāo)量即指標(biāo)總量、指標(biāo)增長量和指標(biāo)增長率,將預(yù)測指標(biāo)序列轉(zhuǎn)換為三指標(biāo)量序列,對每個序列進(jìn)行獨(dú)立分析并預(yù)測,然后再擬合成最終的預(yù)測結(jié)果,稱之為復(fù)合預(yù)測。文中將電力需求預(yù)測劃分為電量預(yù)測和負(fù)荷預(yù)測,并應(yīng)用灰色關(guān)聯(lián)分析對電量指標(biāo)與影響因素之間的相互關(guān)系進(jìn)行了分析。根據(jù)復(fù)合預(yù)測思想的設(shè)計(jì)了實(shí)現(xiàn)模型,即基于三指標(biāo)量的電量復(fù)合預(yù)測綜合模型。該模型借鑒了組合預(yù)測的思想,首先利用層次分析法針對三指標(biāo)量序列分別進(jìn)行模型評價和優(yōu)選,評價的標(biāo)準(zhǔn)包括模型預(yù)測誤差、模型擬合度、模型專家信任度和預(yù)測趨勢可信度,之后研究了兩種擬合方法,分別為基于預(yù)測有效度的擬合方法和徑向基神經(jīng)網(wǎng)絡(luò)的擬合方法,并分析了兩種方法的優(yōu)缺點(diǎn)。通過實(shí)例分析,對比了綜合模型相比傳統(tǒng)模型的優(yōu)勢。復(fù)合預(yù)測方法... 

【文章來源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：125 頁

【學(xué)位級別】：博士

【部分圖文】：

保定市供電公司2000-2007年售電量和GDP的散點(diǎn)圖

16圖2-2 保定市供電公司2000-2007年售電量和年降雨量的散點(diǎn)圖圖2-3 隱性線性關(guān)系示意圖圖2-3(a)中二者的線性關(guān)系不是很明顯，我們對v2分別取平方根、對數(shù)和倒數(shù)，得到新的散點(diǎn)圖，如圖2-3(b)、(c)、(d)，圖2(c)中可以看出取了對數(shù)后的二者存在比較明顯的線性關(guān)系，稱之為隱性線性關(guān)系。有時候兩個變量之間沒有明顯的線性關(guān)系，但是通過一定的變換可以將非線性關(guān)系轉(zhuǎn)換為近似線性關(guān)系，這對數(shù)據(jù)分析很有幫助。2.2.2 偏相關(guān)分析線性相關(guān)分析用于研究兩個變量間線性相關(guān)的程度，有時因?yàn)榈谌齻�變量的作用，使線性相關(guān)系數(shù)不能真正反映兩個變量間的線性程度。如身高、體重與肺活量之間的關(guān)系。如果使用Pearson共識計(jì)算其相關(guān)系數(shù)

16圖2-2 保定市供電公司2000-2007年售電量和年降雨量的散點(diǎn)圖圖2-3 隱性線性關(guān)系示意圖圖2-3(a)中二者的線性關(guān)系不是很明顯，我們對v2分別取平方根、對數(shù)和倒數(shù)，得到新的散點(diǎn)圖，如圖2-3(b)、(c)、(d)，圖2(c)中可以看出取了對數(shù)后的二者存在比較明顯的線性關(guān)系，稱之為隱性線性關(guān)系。有時候兩個變量之間沒有明顯的線性關(guān)系，但是通過一定的變換可以將非線性關(guān)系轉(zhuǎn)換為近似線性關(guān)系，這對數(shù)據(jù)分析很有幫助。2.2.2 偏相關(guān)分析線性相關(guān)分析用于研究兩個變量間線性相關(guān)的程度，有時因?yàn)榈谌齻�變量的作用，使線性相關(guān)系數(shù)不能真正反映兩個變量間的線性程度。如身高、體重與肺活量之間的關(guān)系。如果使用Pearson共識計(jì)算其相關(guān)系數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]一種基于屬性重要度的約簡算法[J]. 楊冠軍,謝永芳,桂衛(wèi)華.  重慶科技學(xué)院學(xué)報(自然科學(xué)版). 2008(02)
[2]基于粗糙集的屬性約簡算法的改進(jìn)[J]. 劉亞峰,石麗,劉廷蒼.  沈陽理工大學(xué)學(xué)報. 2008(01)
[3]模糊C-均值聚類算法及其在船舶故障診斷中的應(yīng)用[J]. 孟憲堯,韓新潔.  中國造船. 2007(04)
[4]改進(jìn)的快速模糊C-均值聚類算法[J]. 陳松生,王蔚.  計(jì)算機(jī)工程與應(yīng)用. 2007(10)
[5]基于徑向基函數(shù)的混合神經(jīng)網(wǎng)絡(luò)模型研究[J]. 陳德軍,胡華成,周祖德.  武漢理工大學(xué)學(xué)報. 2007(02)
[6]中長期負(fù)荷組合預(yù)測的改進(jìn)[J]. 陳存,郭偉,范建中.  江蘇電機(jī)工程. 2007(01)
[7]模糊線性回歸模型的約束最小二乘估計(jì)(英文)[J]. 王寧,張文修.  模糊系統(tǒng)與數(shù)學(xué). 2006(05)
[8]電力負(fù)荷預(yù)估的神經(jīng)網(wǎng)絡(luò)正則化及其應(yīng)用[J]. 鄧宏貴,羅安,曹建.  小型微型計(jì)算機(jī)系統(tǒng). 2006(08)
[9]基于數(shù)據(jù)挖掘的SVM短期負(fù)荷預(yù)測方法研究[J]. 牛東曉,谷志紅,邢棉,王會青.  中國電機(jī)工程學(xué)報. 2006(18)
[10]我國“十一五”電力市場需求預(yù)測需考慮的問題[J]. 陳兆慶,楊宗麟.  華東電力. 2006(05)



本文編號：3286263