本文關(guān)鍵詞：基于軌跡跟蹤的負(fù)荷預(yù)測算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：電力工業(yè)是我國非常重要的基礎(chǔ)工業(yè),電能是日常生活中必需的能源,關(guān)乎著國計民生,是國民經(jīng)濟(jì)的命脈。近年來電力負(fù)荷預(yù)測不僅可以應(yīng)用在電網(wǎng)高壓側(cè)負(fù)荷規(guī)劃與分配中,而且為低壓用戶電能的監(jiān)控、規(guī)劃和電能的有效利用也可以提供依據(jù)。高精度的電力負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃、市場交易、營銷等部門工作的主要依據(jù),對于制定經(jīng)濟(jì)優(yōu)化的發(fā)電計劃、合理分配電力能源、合理安排機(jī)組的運(yùn)行、獲得上網(wǎng)電價的優(yōu)勢、取得最大經(jīng)濟(jì)效益以及社會效益都有著十分重要的意義。所以研究高精度且實用性強(qiáng)的電力負(fù)荷預(yù)測方法對于電力市場化以及智能電網(wǎng)的發(fā)展都是非常必要的。雖然現(xiàn)在已經(jīng)有大量的預(yù)測算法,但是對于他們中的大多數(shù)來說,它們都只是針對特殊的負(fù)荷模型而推導(dǎo)的一種負(fù)荷預(yù)測算法。而且對于大部分現(xiàn)存的模型來說,它們也沒有理論上的依據(jù)來支撐算法可以保證預(yù)測誤差的收斂性而達(dá)到足夠的預(yù)測精度。在本文中,我們將軌跡跟蹤理論引入到電力負(fù)荷預(yù)測中,根據(jù)軌跡跟蹤理論建立不同的運(yùn)動學(xué)模型,本文提出了兩種負(fù)荷預(yù)測算法,即基于預(yù)測誤差收斂性校驗和軌跡修正的短期負(fù)荷預(yù)測和基于軌跡跟蹤控制的短期負(fù)荷預(yù)測兩種。本文利用李雅普諾夫穩(wěn)定性理論證明了系統(tǒng)的穩(wěn)定性和預(yù)測方法的誤差可以理論上收斂至零從而保證了預(yù)測誤差的收斂性,因而使得本文的預(yù)測算法更具有普遍性和魯棒性。本文還采用了不同的數(shù)據(jù)集(歐洲智能技術(shù)網(wǎng)絡(luò)(EUNITE)競賽公開的負(fù)荷樣本數(shù)據(jù)Load 1998和the Global Energy Forecasting Competition 2012數(shù)據(jù)集)來進(jìn)行實驗仿真,通過改變不同的預(yù)測視野,和常見的預(yù)測算法(ARMA--Auto Regressive Moving Average和BPNN--back propagation neural network)相比,結(jié)果顯示了本文提出的算法具有非常好的負(fù)荷預(yù)測性能。由于本文提出的算法對樣本數(shù)據(jù)的要求很小,所以計算速度也較其他方法快。
【關(guān)鍵詞】：負(fù)荷預(yù)測 軌跡跟蹤 李雅普諾夫穩(wěn)定性理論 誤差收斂 控制器設(shè)計
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM715
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-17
• 1.1 課題研究的背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 傳統(tǒng)的負(fù)荷預(yù)測方法10-12
• 1.2.2 人工智能的負(fù)荷預(yù)測方法12-13
• 1.2.3 組合預(yù)測的負(fù)荷預(yù)測方法13-14
• 1.3 主要研究內(nèi)容及創(chuàng)新之處14-15
• 1.3.1 主要研究內(nèi)容14-15
• 1.3.2 本文的創(chuàng)新之處15
• 1.4 全文章節(jié)安排15-17
• 2 典型的負(fù)荷預(yù)測方法及本文研究思路17-25
• 2.1 引言17
• 2.2 電力系統(tǒng)負(fù)荷變化特點(diǎn)分析17-18
• 2.3 本文對比的經(jīng)典負(fù)荷預(yù)測方法18-23
• 2.3.1 基于ARMA時間序列模型的負(fù)荷預(yù)測方法18-21
• 2.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測方法21-23
• 2.4 問題分析及本文研究思路23-24
• 2.5 本章小結(jié)24-25
• 3 基于預(yù)測誤差收斂性校驗和軌跡修正的短期負(fù)荷預(yù)測25-39
• 3.1 引言25
• 3.2 運(yùn)動學(xué)建模25-26
• 3.3 預(yù)測誤差收斂性判據(jù)及穩(wěn)定性分析26-29
• 3.4 基于誤差修正的負(fù)荷預(yù)測算法29-32
• 3.4.1 預(yù)測值修正策略29-31
• 3.4.2 基于誤差修正的負(fù)荷預(yù)測算法完整描述31-32
• 3.5 算法仿真32-38
• 3.5.1 與ARMA預(yù)測模型的對比實驗32-34
• 3.5.2 與BPNN預(yù)測模型的對比實驗34-35
• 3.5.3 不同預(yù)測視野下的對比實驗35-37
• 3.5.4 算法評論37-38
• 3.6 本章小結(jié)38-39
• 4 基于軌跡跟蹤控制的短期負(fù)荷預(yù)測39-53
• 4.1 引言39
• 4.2 運(yùn)動學(xué)建模39-41
• 4.3 軌跡跟蹤控制器設(shè)計及穩(wěn)定性分析41-42
• 4.4 基于軌跡跟蹤控制的負(fù)荷預(yù)測算法42-43
• 4.5 算法仿真43-52
• 4.5.1 以24小時為視野的預(yù)測44-47
• 4.5.2 以1小時為視野的預(yù)測47-50
• 4.5.3 結(jié)果分析50-51
• 4.5.4 算法評論51-52
• 4.6 本章小結(jié)52-53
• 5 總結(jié)與展望53-55
• 致謝55-56
• 參考文獻(xiàn)56-60
• 附錄60
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄60
• B. 作者在攻讀學(xué)位期間取得的科研成果目錄60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鐘慶,吳捷,鐘丹虹;基于系統(tǒng)論的負(fù)荷預(yù)測集成化方法[J];電力自動化設(shè)備;2002年10期

2 張伏生,劉芳,趙文彬,寇強(qiáng),劉沛津,曹正建;基于Internet/Intranet的負(fù)荷預(yù)測系統(tǒng)方案[J];電力系統(tǒng)自動化;2003年10期

3 康重慶;牟濤;夏清;;電力系統(tǒng)多級負(fù)荷預(yù)測及其協(xié)調(diào)問題 (一)研究框架[J];電力系統(tǒng)自動化;2008年07期

4 李小銳;黎燦兵;袁彥;;基于下級負(fù)荷預(yù)測的短期負(fù)荷預(yù)測新算法[J];江西電力職業(yè)技術(shù)學(xué)院學(xué)報;2008年02期

5 李新煒;王子琦;方鳴;周鵬;王啟明;李同;鞠平;;基于分區(qū)逐時氣象信息的全網(wǎng)負(fù)荷預(yù)測研究[J];電力系統(tǒng)保護(hù)與控制;2009年03期

6 康重慶;趙燃;陳新宇;楊興宇;曹欣;劉梅;;多級負(fù)荷預(yù)測的基礎(chǔ)問題分析[J];電力系統(tǒng)保護(hù)與控制;2009年09期

7 任峰;丁超;;市場環(huán)境下負(fù)荷預(yù)測誤差風(fēng)險管理研究[J];現(xiàn)代電力;2009年03期

8 羅鳳章;王成山;肖峻;侯磊;王建民;李亦農(nóng);陳春琴;王賽一;;計及氣溫因素的年度負(fù)荷預(yù)測修正方法[J];電力系統(tǒng)及其自動化學(xué)報;2009年03期

9 楊凱;;如何提高負(fù)荷預(yù)測的準(zhǔn)確率[J];大眾用電;2009年10期

10 李q

本文編號：487702