【摘要】：電力作為一種能源形式,從誕生伊始,就引領(lǐng)了能源與工業(yè)的革命,并完全改變了人們以往的生活、工作方式。電力系統(tǒng)是一個(gè)由發(fā)電、輸電、配電、用電等環(huán)節(jié)構(gòu)成的電力生產(chǎn)、輸送及消費(fèi)的系統(tǒng),它將整個(gè)電力行業(yè)有效地聯(lián)結(jié)到了一起形成一整條產(chǎn)業(yè)鏈。精確的電力需求預(yù)測(cè)是保持電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)、高效運(yùn)行的保障,電力需求預(yù)測(cè)的結(jié)果不僅能為管理部門審批電力投資項(xiàng)目提供依據(jù),還能為電網(wǎng)的優(yōu)化調(diào)度提供決策支持,更能為發(fā)電站的發(fā)電計(jì)劃提供數(shù)據(jù)支撐。電力能源又不同于其他消耗品,它具有一個(gè)重要特征是無法存儲(chǔ)或者存儲(chǔ)代價(jià)十分巨大,這就需要電力從生產(chǎn)完成開始就需要立即經(jīng)過電網(wǎng)輸送到用戶端消費(fèi),使得電力的生產(chǎn)、輸送、消耗在同一時(shí)間完成,并形成動(dòng)態(tài)的平衡。精確的電力需求預(yù)測(cè)將能有效地調(diào)節(jié)電力的生產(chǎn)計(jì)劃和電網(wǎng)的調(diào)度計(jì)劃,避免產(chǎn)生嚴(yán)重的電力生產(chǎn)與消耗不平衡問題,并為決策者提供決策支持。電力需求數(shù)據(jù)在不同的時(shí)間長度中呈現(xiàn)出不同的變化趨勢(shì),但大多均具有復(fù)雜的非線性、波動(dòng)性和隨機(jī)性等特征,這就使得傳統(tǒng)的預(yù)測(cè)方法無法獲得精確的預(yù)測(cè)結(jié)果,給電力需求預(yù)測(cè)帶來了很大的困難。本文將根據(jù)不同類型、不同時(shí)間段的電力需求數(shù)據(jù)分別建立需求預(yù)測(cè)模型進(jìn)行預(yù)測(cè)研究,主要的研究工作如下：(1)對(duì)于短期單因素電力需求預(yù)測(cè)問題,提出了一種改進(jìn)的自適應(yīng)遺傳優(yōu)化的ARMA模型進(jìn)行預(yù)測(cè)。在該模型中,針對(duì)ARMA模型定階困難的情況,采用自適應(yīng)的遺傳算法來決定模型的階數(shù)。又由于傳統(tǒng)的自適應(yīng)遺傳算法在算法初期適應(yīng)度值接近種群中最大適應(yīng)度值時(shí)容易出現(xiàn)種群進(jìn)化停滯而收斂于局部最優(yōu),為此對(duì)自適應(yīng)的交叉概率和變異概率進(jìn)行改進(jìn)并將概率與迭代數(shù)目相關(guān)從而克服了傳統(tǒng)自適應(yīng)遺傳算法的不足。然后將該模型應(yīng)用于美國PJM公司的每小時(shí)電力預(yù)測(cè)中,結(jié)果顯示該模型的預(yù)測(cè)精度較高。(2)對(duì)于中期單因素電力需求預(yù)測(cè)問題,分別研究以月度和年度為時(shí)間間隔的電力需求的未來變化趨勢(shì)。針對(duì)單因素條件下的月度中期電力需求預(yù)測(cè)問題,提出了一個(gè)季節(jié)性GATS-SVR模型,在該模型中采用遺傳和禁忌搜索的混合算法進(jìn)行參數(shù)尋優(yōu),克服傳統(tǒng)遺傳算法過早收斂和爬山能力不足的問題。同時(shí),充分利用用電量的周期性變化規(guī)律并引入季節(jié)性調(diào)整因子來提高預(yù)測(cè)精度。并在算法中將最小一乘準(zhǔn)則作為參數(shù)尋優(yōu)的評(píng)價(jià)標(biāo)準(zhǔn)來提升模型的穩(wěn)定性。最后將該模型應(yīng)用于江蘇省月度全社會(huì)用電量預(yù)測(cè)中,實(shí)例結(jié)果表明季節(jié)性GATS-SVR模型擁有較高的預(yù)測(cè)精度。針對(duì)單因素條件下的年度電力需求預(yù)測(cè)問題,提出了基于初值優(yōu)化的最小一乘PSO-GM(1,1)模型。在該模型中對(duì)傳統(tǒng)的GM(1,1)模型的初值進(jìn)行改進(jìn),以累加序列的最后一個(gè)點(diǎn)為基礎(chǔ),并在此之上乘以一個(gè)信息增益或縮減的因子變量作為新的初值條件。同時(shí)采用最小一乘準(zhǔn)則代替最小二乘準(zhǔn)則進(jìn)行參數(shù)尋優(yōu),克服存在奇異點(diǎn)時(shí)引起的誤差擴(kuò)大情況。然后,通過時(shí)變權(quán)重的粒子群優(yōu)化算法對(duì)模型的參數(shù)進(jìn)行尋優(yōu)。最后使用該模型對(duì)我國全社會(huì)年度用電量進(jìn)行預(yù)測(cè)分析,結(jié)果顯示該模型的預(yù)測(cè)精度較傳統(tǒng)模型要高。(3)對(duì)于中期多因素電力需求預(yù)測(cè)問題,考慮與電力需求相關(guān)的經(jīng)濟(jì)、環(huán)境等影響因素,并利用這些相關(guān)影響因素及歷史電力需求數(shù)據(jù)分別構(gòu)建時(shí)變權(quán)重的粒子群參數(shù)優(yōu)化PSO-CV-SVR模型和基于最小一乘準(zhǔn)則的遺傳參數(shù)優(yōu)化GA-SVR模型對(duì)江蘇省月度全社會(huì)用電量進(jìn)行預(yù)測(cè)研究,實(shí)例結(jié)果顯示這兩個(gè)模型的預(yù)測(cè)精度均比BP-神經(jīng)網(wǎng)絡(luò)模型要高。(4)對(duì)于中期多因素條件下的電力需求的區(qū)間預(yù)測(cè)問題,提出了一種WMC-GS-CV-SVR的概率區(qū)間優(yōu)化預(yù)測(cè)模型。在該模型中,首先通過網(wǎng)絡(luò)搜索交叉驗(yàn)證(GS-CV)思想對(duì)SVR模型進(jìn)行參數(shù)尋優(yōu),然后利用GS-CV-SVR模型進(jìn)行一步預(yù)測(cè)。接著利用加權(quán)馬爾可夫鏈原理根據(jù)預(yù)測(cè)的偏差進(jìn)行模型修正,將點(diǎn)預(yù)測(cè)轉(zhuǎn)化為區(qū)間預(yù)測(cè),給出了未來預(yù)測(cè)區(qū)間的概率分布,使決策者能夠了解未來電力需求的高估或者低估的概率信息。最后根據(jù)區(qū)間概率分布信息使用期望預(yù)測(cè)法給出了電力需求的預(yù)測(cè)值,通過江蘇省月度全社會(huì)用電量的實(shí)例結(jié)果表明該方法的預(yù)測(cè)精度也較高。
[Abstract]:......
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：F426.61;F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱成章;電力需求預(yù)測(cè)要擯棄“大膽假設(shè)”[J];大眾用電;2005年03期

2 西北地區(qū)電力發(fā)展戰(zhàn)略規(guī)劃研究課題專家組;西北四省區(qū)2001～2015年電力需求預(yù)測(cè)分析評(píng)估[J];西北電力技術(shù);2000年03期

3 廖志高,謝妮;自組織數(shù)據(jù)挖掘在電力需求預(yù)測(cè)中應(yīng)用[J];電力科學(xué)與工程;2004年04期

4 羅海斌;山區(qū)城市電力需求預(yù)測(cè)分析[J];廣東輸電與變電技術(shù);2005年05期

5 節(jié)寧;;未來中國電力需求預(yù)測(cè)的分析[J];大眾用電;2006年03期

6 楊婭妙;;淺議電力需求預(yù)測(cè)[J];山西電力;2006年02期

7 魏炎初;蔣建波;;電力需求預(yù)測(cè)與經(jīng)濟(jì)發(fā)展的相關(guān)性[J];廣西大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2010年S1期

8 賈常艷;;能源可持續(xù)發(fā)展 需求預(yù)測(cè)是前提 服務(wù)型電網(wǎng)保供應(yīng)——國網(wǎng)能源研究院能源戰(zhàn)略與規(guī)劃研究所所長 白建華[J];電器工業(yè);2013年10期

9 皮偉豐;;地區(qū)經(jīng)濟(jì)因素與電力需求預(yù)測(cè)方法探析[J];科技風(fēng);2013年05期

10 朱成章;我國電力需求預(yù)測(cè)的難點(diǎn)淺析[J];華東電力;1999年03期

相關(guān)會(huì)議論文 前4條

1 丁友衛(wèi);楊昌昕;;對(duì)江西省電力需求預(yù)測(cè)結(jié)果及方法的驗(yàn)證[A];長三角清潔能源論壇論文專輯[C];2005年

2 黃元生;鄭燕;乞建勛;;基于最小二乘的支持向量機(jī)在電力需求預(yù)測(cè)中的應(yīng)用[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟(jì)數(shù)學(xué)研究會(huì)第七屆全國會(huì)員代表大會(huì)暨第七屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

3 匡少龍;黃家兵;;灰色模型在電力需求預(yù)測(cè)中的應(yīng)用[A];第十五屆華東六省一市電機(jī)工程（電力）學(xué)會(huì)輸配電技術(shù)研討會(huì)論文集[C];2007年

4 閻訪;陳靜;;基于氣溫的石家莊夏季電力需求預(yù)測(cè)[A];第26屆中國氣象學(xué)會(huì)年會(huì)氣象災(zāi)害與社會(huì)和諧分會(huì)場(chǎng)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前5條

1 ;中長期電力需求預(yù)測(cè)及其系統(tǒng)開發(fā)[N];科技日?qǐng)?bào);2006年

2 張學(xué)先;專家把脈“十一五”電力需求預(yù)測(cè)[N];中國工業(yè)報(bào);2005年

3 文杰;“大膽假設(shè)”膽太大[N];中國工業(yè)報(bào);2004年

4 吳敬儒;2005～2030年電力需求預(yù)測(cè)及發(fā)展戰(zhàn)略研究[N];中國電力報(bào);2007年

5 記者 葉勇　編輯 阮奇;今年電煤需求可達(dá)17.5億噸占全年煤炭產(chǎn)量過半[N];上海證券報(bào);2010年

相關(guān)博士學(xué)位論文 前3條

1 章政;數(shù)據(jù)驅(qū)動(dòng)的短中期電力需求預(yù)測(cè)優(yōu)化學(xué)習(xí)方法研究[D];合肥工業(yè)大學(xué);2015年

2 鄭忠智;我國能源資源結(jié)構(gòu)與電力需求預(yù)測(cè)分析[D];中國地質(zhì)大學(xué)（北京）;2009年

3 李春祥;基于知識(shí)發(fā)現(xiàn)的電力需求復(fù)合預(yù)測(cè)研究[D];華北電力大學(xué)（河北）;2009年

相關(guān)碩士學(xué)位論文 前10條

1 劉毅;某市電力需求預(yù)測(cè)分析[D];華北電力大學(xué);2015年

2 宋玉坤;基于復(fù)合知識(shí)挖掘的北京市中長期電力需求預(yù)測(cè)[D];華北電力大學(xué)(北京);2016年

3 韋亦龍;電力需求預(yù)測(cè)及負(fù)荷特性分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];湖南大學(xué);2015年

4 生雅明;基于時(shí)間序列分析的電力需求預(yù)測(cè)研究[D];大連理工大學(xué);2015年

5 成坤;深圳市電力需求預(yù)測(cè)研究[D];華南理工大學(xué);2016年

6 王茜;電力需求預(yù)測(cè)后評(píng)價(jià)模型和方法研究[D];華北電力大學(xué)（北京）;2008年

7 何云輝;電力需求預(yù)測(cè)的實(shí)用方法研究[D];四川大學(xué);2005年

8 顏婉雯;基于經(jīng)濟(jì)因素的廣東省電力需求預(yù)測(cè)研究[D];暨南大學(xué);2006年

9 馬德國;數(shù)據(jù)挖掘在電力需求預(yù)測(cè)中的應(yīng)用研究[D];河北工業(yè)大學(xué);2013年

10 張愛輝;基于多指標(biāo)模型的中長期電力需求預(yù)測(cè)研究[D];長沙理工大學(xué);2013年

，

本文編號(hào)：2367318