發(fā)布時間：2020-06-15 05:21

【摘要】：電力系統(tǒng)負荷預(yù)測是電力系統(tǒng)規(guī)劃的重要組成部分,是確保社會生產(chǎn)安全穩(wěn)定的重要環(huán)節(jié)。目前隨著科技的不斷發(fā)展,人們生活質(zhì)量的不斷提高,電力企業(yè)越來越追求更高精度的電力負荷預(yù)測。過去很多負荷預(yù)測研究文章并未對影響因素進行統(tǒng)計分析,而是選取一些通用的負荷影響因素,比如溫度,氣象等因素來進行負荷預(yù)測。伴隨著社會發(fā)展的同時,人們生活內(nèi)容也逐漸豐富,對現(xiàn)代電力負荷影響的因素也逐漸豐富變化。所以,這就需要人們對電力負荷進行分析,理清其內(nèi)部和外部影響因素的相互關(guān)系。同時過去單一的統(tǒng)計預(yù)測模型比較簡單,預(yù)測精度低,組合預(yù)測模型和深度神經(jīng)網(wǎng)絡(luò)在電力負荷預(yù)測領(lǐng)域的運用是目前研究的主要熱點方向。本文從兩方面出發(fā),一是關(guān)于短期電力負荷預(yù)測內(nèi)部和外部影響因素分析建模,二是關(guān)于短期電力負荷預(yù)測方法的研究。電力負荷內(nèi)部影響因素是指影響預(yù)測日負荷的歷史負荷序列,電力負荷外部影響因素為氣象,溫度,空氣質(zhì)量等外在因素。首先選出24個電力負荷影響因素,并將其進行量化處理。其次利用皮爾遜相關(guān)系數(shù)法對這24個影響因素與陽泉市短期電力負荷之間的相關(guān)性進行分析,找出真正影響當?shù)囟唐谪摵傻挠绊懸蛩?并分析不同影響因素對當?shù)刎摵傻挠绊憽Ｈ缓髮ο嚓P(guān)系數(shù)大的影響因素進行VAR分析,研究了這些與陽泉市負荷高相關(guān)性的外在因素的歷史數(shù)據(jù)對預(yù)測日負荷的影響。經(jīng)過相關(guān)分析和VAR模型選擇的影響因素相對全面和準確,但是不可避免增加了預(yù)測模型的輸入維度,過高的輸入變量維度將會影響預(yù)測模型的泛化性,從而影響預(yù)測的精確性。最后利用主成分分析法可以將原來的一些具有相關(guān)性的指標重新組合成幾個互不相關(guān)的綜合指標來代替原來的指標,從而降低輸入指標維度。選取了陽泉市2015年3月1日到10月31日的數(shù)據(jù),共計245天,來進行實證分析。其中前241天的數(shù)據(jù)為訓(xùn)練集,后4天數(shù)據(jù)為預(yù)測集。作為傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的研究熱點之一——極限學(xué)習機(ELM),本文在傳統(tǒng)極限學(xué)習機基礎(chǔ)上和核函數(shù)相結(jié)合,并利用改進后的蝙蝠優(yōu)化算法來優(yōu)化核極限學(xué)習機,預(yù)測結(jié)果表明改進后的模型在穩(wěn)定性和精確性上都得到了提升。作為深度神經(jīng)網(wǎng)絡(luò)研究熱點之一——長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM),本文將其預(yù)測結(jié)果與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)代表BP神經(jīng)網(wǎng)絡(luò)和自適應(yīng)蝙蝠算法優(yōu)化核極限學(xué)習機(IBA-KELM)預(yù)測結(jié)果進行了比較。預(yù)測結(jié)果表明,在陽泉地區(qū)短期負荷歷史數(shù)據(jù)具備高度相關(guān)性的情況下,LSTM深度神經(jīng)網(wǎng)絡(luò)的擬合性更好,展現(xiàn)了深度學(xué)習在負荷預(yù)測領(lǐng)域的發(fā)展前景。
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM715;TP18
【圖文】：

華北電力大學(xué)碩士學(xué)位論文的另一個特點是它的連續(xù)性。從該圖中我們也可以發(fā)現(xiàn)，負荷化的，它在有某個范圍下連續(xù)不斷地逐漸的波動。由此可以看期性外，負荷還有連續(xù)性的特點。這時這種在一定范圍內(nèi)的連得人們可以利用這一規(guī)律對負荷建立非線性的預(yù)測模型。周期性和連續(xù)性外，負荷還具有波動性的特點。每天都有著各的因素在影響著負荷值的變化，我們可以很清晰的看到負荷無化中，這些變化說明了負荷具有波動性，它不是單調(diào)的增加或減上下波動的狀態(tài)下。

圖 3-1VAR(1)模型系統(tǒng)的 AR 根圖部分確定了所有影響因素的最佳滯后階數(shù)為后一階是對當前短期負荷是有影響的。比如是，昨天的最高溫度，最低溫度以及平均溫且滯后一階是最佳能夠反應(yīng)昨天的溫度對今史負荷方面，可以看到最佳滯后一階，也就負荷和平均負荷已經(jīng)足夠反映歷史負荷對當分得出的前三日最高負荷，最低負荷和平均還是把這三個指標也作為陽泉市短期負荷的期負荷影響指標，它們分別是前一日日最高平均負荷，前二日日最高負荷，前二日日最日最高負荷，前三日日最低負荷，前三日日均溫度，最高溫度，濕度，星期類型，風速、平均溫度、最高溫度、濕度、星期類型和

【相似文獻】

相關(guān)期刊論文 前10條

1 龔風云;王凱;;基于LSTM神經(jīng)網(wǎng)絡(luò)的烏魯木齊市流感樣病例的預(yù)測研究[J];科技視界;2019年31期

2 陳亮;王震;王剛;;深度學(xué)習框架下LSTM網(wǎng)絡(luò)在短期電力負荷預(yù)測中的應(yīng)用[J];電力信息與通信技術(shù);2017年05期

3 王國棟;韓斌;孫文峗;;基于LSTM的艦船運動姿態(tài)短期預(yù)測[J];艦船科學(xué)技術(shù);2017年13期

4 周生強;;LSTM對上證指數(shù)的實證分析[J];現(xiàn)代經(jīng)濟信息;2017年09期

5 黃偉;劉存才;祁思博;;針對設(shè)備端口鏈路的LSTM網(wǎng)絡(luò)流量預(yù)測與鏈路擁塞方案[J];網(wǎng)絡(luò)與信息安全學(xué)報;2019年06期

6 關(guān)鵬飛;李寶安;呂學(xué)強;周建設(shè);;注意力增強的雙向LSTM情感分析[J];中文信息學(xué)報;2019年02期

7 劉錦源;;面向農(nóng)產(chǎn)品期貨價格預(yù)測的改進LSTM方法[J];江蘇科技信息;2019年27期

8 張明;杜裕;洪國平;;LSTM在宜昌短期電力負荷預(yù)測中的試驗應(yīng)用[J];氣象研究與應(yīng)用;2019年03期

9 杜舒靜;徐凡;王明文;;實體驅(qū)動的雙向LSTM篇章連貫性建模[J];中文信息學(xué)報;2017年06期

10 保羅;郭旭琦;喬鐵柱;閻高偉;;改進LSTM神經(jīng)網(wǎng)絡(luò)在磨機負荷參數(shù)軟測量中的應(yīng)用[J];中國礦山工程;2017年03期

相關(guān)會議論文 前10條

1 蔣振超;鄧永;姜青山;古亮;;一種基于兩階段字符級LSTM的僵尸網(wǎng)絡(luò)檢測方法[A];第32次全國計算機安全學(xué)術(shù)交流會論文集[C];2017年

2 李鵬程;孫敏;龐溟舟;;基于LSTM神經(jīng)網(wǎng)絡(luò)的公交到站時間預(yù)測[A];第37屆中國控制會議論文集（F）[C];2018年

3 朱佳暉;張文峰;劉衛(wèi)平;張超;陳淵;;基于雙向LSTM和CRF的軍事命名實體識別和鏈接[A];第六屆中國指揮控制大會論文集（上冊）[C];2018年

4 柯任辰;徐維慶;楊科;;一種基于LSTM神經(jīng)網(wǎng)絡(luò)的自適應(yīng)巡航研究[A];2019中國汽車工程學(xué)會年會論文集（1）　[C];2019年

5 劉天鵬;劉海;;基于LSTM的城市道路養(yǎng)護投訴量預(yù)測研究[A];中國公路學(xué)會養(yǎng)護與管理分會第九屆學(xué)術(shù)年會論文集[C];2019年

6 安鵬;曹丹平;;基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的孔隙度預(yù)測方法研究[A];2018年中國地球科學(xué)聯(lián)合學(xué)術(shù)年會論文集（二十九）——專題59：計算地球物理方法和應(yīng)用、專題60：地熱資源成因新理論與綜合探測新技術(shù)[C];2018年

7 梅杰;;基于LSTM神經(jīng)網(wǎng)絡(luò)的有效停車泊位短時預(yù)測方法研究[A];創(chuàng)新驅(qū)動與智慧發(fā)展——2018年中國城市交通規(guī)劃年會論文集[C];2018年

8 張瑋霖;朱永華;高洪皓;;基于LSTM編碼-解碼器模型的網(wǎng)絡(luò)服務(wù)器集群負載預(yù)測算法[A];2018中國信息通信大會論文摘要集[C];2018年

9 張宇;張鵬遠;顏永紅;;基于注意力LSTM和多任務(wù)學(xué)習的遠場語音識別[A];第十四屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC’2017）論文集[C];2017年

10 劉秀波;馬帥;高利民;張博;;基于軌道幾何和LSTM的車輛響應(yīng)預(yù)測模型[A];第十三屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2019年

相關(guān)碩士學(xué)位論文 前10條

1 張沖沖;基于LSTM深度網(wǎng)絡(luò)和改進核極限學(xué)習機的短期電力負荷預(yù)測[D];華北電力大學(xué);2019年

2 梁小龍;基于CNN和LSTM結(jié)合的心律失常分類研究[D];西南大學(xué);2019年

3 周義;基于關(guān)注度LSTM的動作提議和行為識別[D];合肥工業(yè)大學(xué);2019年

4 周航帆;基于詞向量的LSTM網(wǎng)絡(luò)在音樂推薦中的應(yīng)用研究[D];江蘇大學(xué);2019年

5 霍曉凱;基于History Attention的LSTM對話管理算法及其應(yīng)用[D];吉林大學(xué);2019年

6 田甜;基于LSTM的結(jié)構(gòu)病態(tài)問題預(yù)測方法研究[D];長安大學(xué);2019年

7 Khuram Hayat;基于融合LSTM的超短期風速概率預(yù)測方法研究[D];華北電力大學(xué)(北京);2019年

8 杜心;基于LSTM神經(jīng)網(wǎng)絡(luò)的可用停車位預(yù)測模型研究[D];武漢理工大學(xué);2018年

9 李永帥;基于雙向LSTM的動態(tài)情感詞典構(gòu)建方法研究及文本情感分析[D];鄭州大學(xué);2019年

10 閆澤杭;基于互助雙向LSTM與遞進解碼機制的圖像標題生成[D];大連理工大學(xué);2018年

本文編號：2713958