【摘要】：電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃投資的直接依據(jù),新上發(fā)電機(jī)組和電網(wǎng)改擴(kuò)建項(xiàng)目的建設(shè)必要性、建設(shè)規(guī)模、接入系統(tǒng)方式和建設(shè)時(shí)序的安排,都是由電力負(fù)荷預(yù)測(cè)結(jié)果決定的。隨著電力系統(tǒng)各項(xiàng)技術(shù)的不斷發(fā)展,負(fù)荷預(yù)測(cè)的應(yīng)用越來(lái)越廣泛,對(duì)預(yù)測(cè)結(jié)果的精度要求也越來(lái)越高。特別是在投資控制嚴(yán)格的電網(wǎng)規(guī)劃情況下,以及日益嚴(yán)格的電力需求側(cè)管理情況下,負(fù)荷預(yù)測(cè)精度成為其它工作的絕對(duì)前提。如何在盡量不增加計(jì)算量的情況下,提高負(fù)荷預(yù)測(cè)的精確度,同時(shí)還能在短期、中長(zhǎng)期負(fù)荷預(yù)測(cè)中具有普遍適用的效果,是本文研究的主要內(nèi)容。本文首先對(duì)電力負(fù)荷的特點(diǎn)、電力負(fù)荷預(yù)測(cè)特點(diǎn)和影響因素做了簡(jiǎn)單介紹,并對(duì)電力負(fù)荷預(yù)測(cè)的經(jīng)典方法及主要現(xiàn)代方法進(jìn)行了簡(jiǎn)單概括。在總結(jié)小波分析理論和灰色系統(tǒng)理論的基礎(chǔ)上,對(duì)兩個(gè)理論的應(yīng)用情況進(jìn)行了簡(jiǎn)單分析。其次,本文在前期分析的基礎(chǔ)上,提出將小波模型與灰色模型相結(jié)合的建模思想。以小波變換的優(yōu)點(diǎn)和算法上的易實(shí)現(xiàn)性為要點(diǎn),完成對(duì)小波變換的推導(dǎo),得到小波分解函數(shù)。在介紹生成數(shù)據(jù)意義和具體算法的基礎(chǔ)上,完成GM(1,1)灰色模型迭代公式進(jìn)行推導(dǎo),得到建模序列,并對(duì)灰色模型的可行性進(jìn)行判定檢驗(yàn),形成負(fù)荷預(yù)測(cè)的基本條件。最后,本文以歷城區(qū)電力負(fù)荷預(yù)測(cè)為實(shí)例,對(duì)小波-灰色聯(lián)合預(yù)測(cè)模型進(jìn)行驗(yàn)證和分析。通過(guò)對(duì)歷城區(qū)電網(wǎng)現(xiàn)狀及地區(qū)用電需求的介紹,掌握歷城區(qū)電力負(fù)荷的基本特點(diǎn)。并以歷城區(qū)"十一五""十二五"規(guī)劃報(bào)告數(shù)據(jù)為對(duì)象,采用MATLAB工具對(duì)預(yù)測(cè)算法進(jìn)行仿真試驗(yàn)。通過(guò)分析仿真結(jié)果,將試驗(yàn)結(jié)果同報(bào)告中真實(shí)數(shù)據(jù)進(jìn)行比對(duì),得出預(yù)測(cè)的誤差。試驗(yàn)結(jié)果表明,在臨近原始序列的節(jié)點(diǎn)上,預(yù)測(cè)結(jié)果誤差可以穩(wěn)定在5%以下,而且當(dāng)原始序列質(zhì)量相當(dāng)時(shí),預(yù)測(cè)結(jié)果并不受原始數(shù)據(jù)量的影響。
[Abstract]:Power load forecasting is the direct basis of power system planning and investment. The construction necessity, construction scale, access system mode and construction time series of new generation units and power grid reconstruction and extension projects are all determined by the results of power load forecasting. With the development of power system technology, the application of load forecasting is more and more extensive, and the precision of forecasting results is more and more high. Especially in the case of strict investment control of power network planning and increasingly stringent power demand side management the accuracy of load forecasting becomes the absolute premise of other work. How to improve the accuracy of load forecasting without increasing the amount of calculation as far as possible, and at the same time, it is the main content of this paper to study how to improve the accuracy of load forecasting, and at the same time, it can have universal effect in the short and long term load forecasting. In this paper, the characteristics of power load, the characteristics of power load forecasting and the influencing factors are briefly introduced, and the classical methods and main modern methods of power load forecasting are briefly summarized. On the basis of summing up the wavelet analysis theory and the grey system theory, the application of the two theories is simply analyzed. Secondly, based on the previous analysis, this paper puts forward the idea of combining wavelet model with grey model. Based on the advantages of wavelet transform and the easiness of the algorithm, the wavelet transform is derived and the wavelet decomposition function is obtained. On the basis of introducing the significance and algorithm of generating data, the iterative formula of GM (1 / 1) grey model is deduced, the modeling sequence is obtained, and the feasibility of the grey model is tested to form the basic condition of load forecasting. Finally, the wavelet-grey combined forecasting model is verified and analyzed with the example of power load forecasting in Licheng district. The basic characteristics of power load in Licheng District are grasped by introducing the current situation and local demand of electricity in Liicheng District. Based on the data of the 11th Five-Year Plan and the 12th Five-Year Plan of Licheng District, the MATLAB tool is used to simulate the prediction algorithm. By analyzing the simulation results, the experimental results are compared with the real data in the report, and the prediction errors are obtained. The experimental results show that the error of the prediction results is less than 5% at the nodes near the original sequence, and when the quality of the original sequences is equal, the prediction results are not affected by the original data amount.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM715

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 段愛(ài)紅;市場(chǎng)經(jīng)濟(jì)條件下的電力負(fù)荷預(yù)測(cè)[J];電力需求側(cè)管理;2000年02期

2 董偉;一種地區(qū)電力負(fù)荷預(yù)測(cè)的實(shí)用方法[J];吉林電力;2000年04期

3 滕菲,王寧;電力負(fù)荷預(yù)測(cè)技術(shù)[J];黑龍江電力;2002年05期

4 王建新,李彥民,龐春江,孫海洪;數(shù)據(jù)發(fā)掘技術(shù)在一類電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2002年05期

5 黃桂華;中長(zhǎng)期電力負(fù)荷預(yù)測(cè)方法的簡(jiǎn)述[J];農(nóng)村電氣化;2002年08期

6 甄利玲;一種電力負(fù)荷預(yù)測(cè)的綜合方法[J];呂梁高等�？茖W(xué)校學(xué)報(bào);2003年01期

7 周暉;高琦;和敬涵;鈕文潔;;電力負(fù)荷預(yù)測(cè)知識(shí)體系的教學(xué)研究[J];電力學(xué)報(bào);2006年04期

8 徐玉華;;中長(zhǎng)期電力負(fù)荷預(yù)測(cè)方法分析[J];寧夏電力;2007年04期

9 閆曉坤;;電力負(fù)荷預(yù)測(cè)的技術(shù)方法分析[J];民營(yíng)科技;2007年11期

10 段保乾;李偉;洪浩林;;基于系統(tǒng)動(dòng)力學(xué)模型的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)[J];中小企業(yè)管理與科技;2007年12期

相關(guān)會(huì)議論文 前10條

1 李忻賢;;淺談電力負(fù)荷預(yù)測(cè)[A];山東電機(jī)工程學(xué)會(huì)第四屆供電專業(yè)學(xué)術(shù)交流會(huì)論文集[C];2007年

2 喬艷芬;;基于分形理論的昆明電網(wǎng)電力負(fù)荷預(yù)測(cè)[A];2009年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2009年

3 趙成旺;顧幸生;;組合優(yōu)化灰色預(yù)測(cè)模型在中長(zhǎng)期電力負(fù)荷預(yù)測(cè)中應(yīng)用[A];第二十四屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2005年

4 羅楠;朱業(yè)玉;杜彩月;王軍;王紅燕;;支持向量機(jī)方法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)天氣預(yù)報(bào)預(yù)警和影響評(píng)估技術(shù)分會(huì)場(chǎng)論文集[C];2007年

5 喬艷芬;;基于分形理論的昆明電網(wǎng)電力負(fù)荷預(yù)測(cè)[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

6 楊旭;劉自發(fā);張建華;李聰;;考慮氣候因素的城市電力負(fù)荷預(yù)測(cè)[A];第十一屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

7 牛東曉;陳志業(yè);邢棉;謝宏;;具有二重趨勢(shì)性的季節(jié)型電力負(fù)荷預(yù)測(cè)組合優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)模型[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

8 丁光彬;王治昆;趙林明;翟傳仁;;包絡(luò)預(yù)測(cè)方法及其在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

9 劉博;張?bào)慊?許璞;;變權(quán)重組合預(yù)測(cè)方法用于電力負(fù)荷預(yù)測(cè)[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

10 孔勝;王宇;張承偉;;經(jīng)濟(jì)危機(jī)對(duì)中長(zhǎng)期電力預(yù)測(cè)影響的實(shí)證研究[A];第五屆（2010）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前4條

1 薛元蕩 鮑導(dǎo);阜寧縣加強(qiáng)電力負(fù)荷預(yù)測(cè)[N];中國(guó)電力報(bào);2000年

2 章家銀 張克杰;氣象要素在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[N];巢湖日?qǐng)?bào);2006年

3 夏志強(qiáng)邋楊士進(jìn) 曾居仁;氣象預(yù)報(bào)助我省科學(xué)調(diào)度電力[N];貴州日?qǐng)?bào);2008年

4 本報(bào)記者 羅丹;氣象科技融入電網(wǎng)[N];中國(guó)氣象報(bào);2014年

相關(guān)博士學(xué)位論文 前7條

1 周倩;智能工程體系及其在電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究[D];華北電力大學(xué)（北京）;2010年

2 葉世杰;基于多指標(biāo)模型的電力負(fù)荷預(yù)測(cè)研究[D];重慶大學(xué);2010年

3 王建軍;基于知識(shí)挖掘技術(shù)的智能協(xié)同電力負(fù)荷預(yù)測(cè)研究[D];華北電力大學(xué)（北京）;2011年

4 尹新;群智能算法與電力負(fù)荷預(yù)測(cè)研究[D];湖南大學(xué);2011年

5 王大鵬;灰色預(yù)測(cè)模型及中長(zhǎng)期電力負(fù)荷預(yù)測(cè)應(yīng)用研究[D];華中科技大學(xué);2013年

6 劉曉娟;基于智能方法的電力系統(tǒng)負(fù)荷預(yù)測(cè)模型及其應(yīng)用研究[D];東華大學(xué);2014年

7 王勇;用于電力行業(yè)決策支持的多AGENT技術(shù)研究[D];華東師范大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 楊超;基于灰色理論和神經(jīng)網(wǎng)絡(luò)的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)的研究[D];天津理工大學(xué);2015年

2 馬慧;基于經(jīng)驗(yàn)?zāi)B(tài)分解和季節(jié)調(diào)整的組合模型在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[D];蘭州大學(xué);2015年

3 趙晶;城市電力負(fù)荷預(yù)測(cè)技術(shù)及其在通遼電網(wǎng)中的應(yīng)用[D];華北電力大學(xué);2015年

4 羅穎峰;新余市電網(wǎng)電力負(fù)荷預(yù)測(cè)研究[D];南昌大學(xué);2015年

5 楊屹洲;基于數(shù)據(jù)挖掘的商業(yè)電力負(fù)荷預(yù)測(cè)及用電優(yōu)化算法研究[D];華僑大學(xué);2015年

6 國(guó)宏鵬;電力負(fù)荷預(yù)測(cè)與調(diào)度策略研究[D];河北工業(yè)大學(xué);2015年

7 邢宇;基于組合模型的最大負(fù)荷預(yù)測(cè)方法研究[D];東北農(nóng)業(yè)大學(xué);2015年

8 李青;基于回聲狀態(tài)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)研究[D];蘭州交通大學(xué);2015年

9 孫波;包頭地區(qū)電力負(fù)荷預(yù)測(cè)研究[D];華北電力大學(xué);2015年

10 邵光磊;聊城地區(qū)電力負(fù)荷預(yù)測(cè)及配電網(wǎng)絡(luò)規(guī)劃方案研究[D];華北電力大學(xué);2015年

，

本文編號(hào)：2356469