發(fā)布時間：2017-10-20 00:08

  本文關(guān)鍵詞：基于支持向量機和多級聚類分析的空間負荷預測方法研究

  更多相關(guān)文章： 城市電網(wǎng) 空間負荷預測 地理信息系統(tǒng) 支持向量機 多級聚類分析

【摘要】：空間負荷預測（Spatial Load Forecasting，SLF）不僅要預測出負荷在遠景年的數(shù)值大小，還要深入研究負荷地理空間分布的問題。作為城市配電網(wǎng)規(guī)劃的前提和鋪墊，空間負荷預測結(jié)果的精確性直接關(guān)系相關(guān)規(guī)劃的資金投入、設備布點格局和經(jīng)濟可靠性。合適選取變電站、變壓器和輸電線路等電力設備的型號和布局是城市配電網(wǎng)發(fā)展策劃涉及的重要部分，空間負荷預測為這項規(guī)劃工作提供重要參考和合理依據(jù)。提高空間負荷預測的預測精度和效果是相關(guān)學術(shù)領(lǐng)域的難點和重點，其中空間負荷預測方法的合理選擇和完善改進能夠充分反映元胞發(fā)展的趨勢和規(guī)律。本文為滿足城市電網(wǎng)規(guī)劃的需求，將城市電網(wǎng)的實際運行方式與支持向量機（Support Vector Machine，SVM）及多級聚類分析（Multilevel ClusteringAnalysis，MCA）相結(jié)合，并對預測結(jié)果大小和空間分布情況進行了分析和闡述。 以往大量的空間負荷預測研究工作重點在于預測方法的提出與改進，很少從歷史負荷特性的角度進行分析，趨勢外推是以往空間負荷預測中經(jīng)常采用的方法之一，但是該方法很少考慮和涉及到電力負荷特性分析。因此，本文首先對各種空間負荷預測方法劃分類別，逐一分析各類方法的原理和特性；然后，將電力負荷按不同原則分類，并涉及到空間電力分辨率和電力小區(qū)細分原則，進而深入挖掘闡述城市空間電力負荷的特性；接著，將支持向量機理論應用到空間負荷預測中，提出了基于支持向量機的空間負荷預測方法，并利用元胞負荷與元胞屬性之間的相關(guān)聯(lián)系來對預測方法進行改進，，提出了基于多級聚類分析和支持向量機的空間負荷預測方法，對吉林市船營區(qū)進行空間負荷預測，驗證方法的有效性及可行性；最后，介紹現(xiàn)階段在該領(lǐng)域最為常見和實用的研究系統(tǒng)平臺——地理信息系統(tǒng)（Geographic Information System，GIS），并利用MapInfo軟件對地理信息系統(tǒng)在空間負荷預測中的負荷圖形化、數(shù)據(jù)信息化和二次開發(fā)程序功能進行介紹。
【關(guān)鍵詞】：城市電網(wǎng) 空間負荷預測 地理信息系統(tǒng) 支持向量機 多級聚類分析
【學位授予單位】：東北電力大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM715;TP18
【目錄】：

• 摘要6-8
• Abstract8-12
• 第1章 緒論12-22
• 1.1 課題的背景及意義12-13
• 1.2 空間負荷預測研究現(xiàn)狀13-15
• 1.3 空間負荷預測方法分類15-21
• 1.3.1 直觀法15
• 1.3.2 趨勢類空間負荷預測方法15-17
• 1.3.3 負荷密度指標法17-19
• 1.3.4 多變量空間負荷預測法19
• 1.3.5 用地仿真類空間負荷預測方法19-21
• 1.4 本文主要研究內(nèi)容21-22
• 第2章 電力負荷特性分析22-28
• 2.1 引言22
• 2.2 電力負荷的分類22-23
• 2.3 電力負荷空間分辨率23-24
• 2.4 電力負荷的特性分析24-27
• 2.5 本章小結(jié)27-28
• 第3章 基于支持向量機的空間負荷預測方法28-39
• 3.1 引言28
• 3.2 支持向量機理論28-33
• 3.2.1 支持向量機原理28-30
• 3.2.2 支持向量機的參數(shù)優(yōu)化30-32
• 3.2.3 支持向量機在空間負荷預測中的應用32-33
• 3.3 基于支持向量機的空間負荷預測方法基本原理33-34
• 3.4 基于支持向量機的空間負荷預測方法具體步驟34-36
• 3.5 基于支持向量機的空間負荷預測方法算例分析36-38
• 3.6 本章小結(jié)38-39
• 第4章 基于 MCA-SVM 的空間負荷預測方法39-51
• 4.1 引言39-40
• 4.2 多級聚類分析40-41
• 4.2.1 聚類分析原理40
• 4.2.2 k-means 聚類算法40-41
• 4.3 基于 MCA-SVM 的空間負荷預測方法基本原理41-42
• 4.4 基于 MCA-SVM 的空間負荷預測方法具體步驟42-46
• 4.5 基于 MCA-SVM 的空間負荷預測方法算例分析46-50
• 4.6 本章小結(jié)50-51
• 第5章 基于 GIS 的吉林市空間負荷預測系統(tǒng)平臺的擴展開發(fā)51-63
• 5.1 地理信息系統(tǒng) GIS 的介紹51-53
• 5.2 基于 GIS 的空間負荷預測平臺的功能介紹和系統(tǒng)研發(fā)53-54
• 5.3 空間負荷預測系統(tǒng)中街路基圖的更新54-56
• 5.4 基于負荷密度指標法的空間負荷預測程序模塊添加56-62
• 5.5 本章小結(jié)62-63
• 結(jié)論63-65
• 參考文獻65-70
• 攻讀學位期間取得的研究成果及發(fā)表的學術(shù)論文70-71
• 致謝71-72
• 附錄72-83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 程其云,張曉星,周nv,雷紹蘭,孫才新;基于粗糙集數(shù)據(jù)挖掘的配電網(wǎng)小區(qū)空間負荷預測方法研究[J];電工技術(shù)學報;2005年05期

2 楊慢慢;王金鳳;李燕青;王福菊;;改進的空間負荷預測法及其應用[J];電力科學與工程;2011年11期

3 王成山,黃純?nèi)A,葛少云,戴宏偉,肖健,周義,辛銳;一個實用的城市電力負荷密度預測系統(tǒng)[J];電力系統(tǒng)自動化;1992年06期

4 余貽鑫,張崇見,張弘鵬;空間電力負荷預測小區(qū)用地分析(一)——模糊推理新方法和小區(qū)用地分析原理[J];電力系統(tǒng)自動化;2001年06期

5 余貽鑫,張崇見,張弘鵬;空間電力負荷預測小區(qū)用地分析(二)——模糊推理在小區(qū)用地分析中的應用[J];電力系統(tǒng)自動化;2001年07期

6 符楊;朱蘭;曹家麟;;基于模糊貼近度理論的負荷密度指標求取新方法[J];電力系統(tǒng)自動化;2007年19期

7 朱鳳娟;王主丁;陸儉;張巧霞;向婷婷;;考慮小區(qū)發(fā)展不均衡的空間負荷預測分類分區(qū)法[J];電力系統(tǒng)自動化;2012年12期

8 劉自發(fā);龐鋮鋮;魏建煒;何江濤;;基于IAHP和TOPSIS方法的負荷密度指標計算[J];電力系統(tǒng)自動化;2012年13期

9 周平,楊嵐,周家啟;電力系統(tǒng)負荷灰色預測的新方法[J];電力系統(tǒng)及其自動化學報;1998年03期

10 伊桂玲,張焰;基于用地仿真法的配電系統(tǒng)空間負荷預測[J];電力自動化設備;2004年02期

本文編號：1064107