您现在的位置:网站首页答辩论文工学论文电子论文

基于小波变换和神经网络的短期负荷预测研究

  • 简介:(毕业论文 页数:54字数:23281)摘要:负荷预测的准确程度对于电力系统安全经济运行具有十分重要的作用。论文针对南京地区电力系统负荷数据采用小波变换和神经网络进行短期负荷预测,取得了一些成果。 本文首先对负荷数据的特性进行分析,明确了负荷序列具有...
    • 请与管理员联系购买资料 QQ:5739126
  • 论文简介
  • 相关论文
  • 论文下载

(毕业论文 页数:54字数:23281)摘要:负荷预测的准确程度对于电力系统安全经济运行具有十分重要的作用。论文针对南京地区电力系统负荷数据采用小波变换和神经网络进行短期负荷预测,取得了一些成果。
本文首先对负荷数据的特性进行分析,明确了负荷序列具有特定的规律性。然后利用自组织映射网络(SOM)对负荷序列进行分类,可将一周负荷分为四种负荷类型。同时应用小波分解的时频暂态分析特性,通过使用Mallat算法,将负荷序列进行小波分解,再根据各分量的特点构造神经网络模型对其进行预测,为增加神经网络的收敛速度及稳定性,在神经网络训练过程中采用了LM算法。为了获得较小的网络规模,取得较快的训练速度及较高的预测精度,在本文中对各序列分别采用一组神经网络,每个时间点分别建立一个网络进行预测。最后通过小波重构各分量预测结果得到最终预测结果。此外,对基于小波理论的异常数据处理方法进行了详细地介绍和实验仿真。
通过对南京地区电力负荷数据的实验结果表明,较之考虑天气因素和日类型的人工神经网络方法(ANN)预测方法,采用本文所提出的模型有较高的预测精度与较强的适应性。该方法对其他的时间序列预测问题(如产品价格、国际原油价格预测等)也具有较高的参考价值和指导意义。

关键词:日平均气温,日类型,人工神经网络,小波分析,短期负荷预测




Abstract

Accurate forecast of short-term electrical load is very important to the power system's security and economy. A new model is proposed which based on combining the wavelet transform and neural networks for load forecasting in this thesis. Some forecasting results are obtained for electrical load of Nanjing Area.
By analyzing the electrical load, we find that the load curve shows certain regularity. Then using the Self-Organizing Map network (SOM), the load sequence of one week can be divided into four load types. And by the good time-frequency characteristics of the wavelet transform, the load serial is firstly decomposed to different sub-serials using the Mallat’s pyramidal algorithm. Each sub-serial shows the different frequency characteristics of the load. Different artificial neural networks are constructed to predict each periodical sub-serial according to their characteristics. The network of each sub-serial mainly differs in selection of input variables of the network. To accelerate training neural network and to improve the convergence, an improved LM algorithm is adopted in artificial neural networks are used for each time interval (such as one net for each hour).In addition, the methods of abnormal data processing based on wavelet theory are presented dentally and simulated experimentally.
The results of Nanjing load forecasting show that the WVNN method possesses higher forecasting accuracy and better adaptability than artificial neural network(ANN) forecasting methods which considers day average and day type.For other time series forecasting problems, such as product price forecasting, the international crude oil price forecasting, and so on, the method is also with high reference value and guiding significance.
Keywords: day average temperature, day type, artificial neural network, wavelet transform, short-term load forecasting

 

 

目录

1 绪论
2 负荷特性分析
3 时间序列信号的小波变换
4 电力负荷数据处理
5 基于神经网络(ANN)的负荷预测
6 基于小波变换和神经网络(WVNN)的负荷预测
7 总结与展望

 

1 绪论
1.1本文的研究意义与目的
负荷预测是电力系统管理现代化的重要内容之一,是电力系统安全、经济运行的重要保证。电力系统的安全经济运行对于国民经济的发展具有非常重要的影响。电力生产的特点使得电力系统必须随时保持供需平衡,向各类用户尽可能经济地提供可靠而合乎标准的电能,满足他们的负荷要求。
在电力系统计划与运行管理中,负荷预测是对发电、输电和电能分配等合理安排的必要前提。提高负荷预测水平,有利于计划用电管理,有利于合理安排电网运行方式和机组检修计划,有利于节煤、节油和降低发电成本,有利于制定合理的电源建设规划,有利于提高电力系统的经济效益和社会效益,对电力系统的安全经济运行与国民经济的发展具有非常重要的影响。主要体现在以下几个方面:
1.负荷预测是经济效益的主要依据。对电力系统来说,必须对用户提供可靠而经济的电能,以随时满足用户的负荷需求。同时,还要考虑电能的生产成本,由于电能不能大量储存,所以必须在确保系统安全的情况下尽量减少发电余量。精确的负荷预测,可以使电力企业最经济的安排机组生产。利用精确的负荷预测,对水电系统可以确定最优水库放水和机组投产计划;对火电系统而言,可以确定机组按最经济的组合起停生产;对水火电结合的系统,可以使系统按最经济的状态进行水电火电分配;对于联网的系统,精确的负荷预测不但有助于系统以最经济的线路进行电能传输,而且还可使系统按最经济的形式向邻网输电和配电。
2.精确的负荷预测是合理安排生产计划的主要依据。电力系统中,由于可靠性的要求,各种发供电设备都有确定的检修周期。精确的负荷预测,可使电力企业合理安排各种设备的大修,小修及轮换计划。另外,也有利于企业制定原料购置计划,如燃料、水的合理配置等。
3.负荷预测是电力系统安全分析的基础。电力事故所造成的经济损失和社会影响是巨大的,必须尽量避免。以精确的负荷预测为基础的安全分析使得出的结论接近真实,从而帮助和提醒调度员进行必要的操作以确保电力系统的安全性。
4.实时调度参考。负荷预测的信息给调度人员一个实时信息,以保证调度员经济、可靠地在线操作。
5.负荷预测的工作是建设电力市场,实现促进电网和供电参与市场竞争,提高电力行业经济效益和社会效益目的的基本工作内容之一。在我国电力市场改革逐步深入的情况下,电力负荷预测工作更具有重要的现实意义。电力是商品的概念正逐步确立于我国市场经济建设中,而电力市场的重要标志是在电力生产和供应过程中引入竞争行为。即在电力生产和供应等各个环节中,打破垄断、解除管制、引入竞争,更加突出电力商品交易的经济性原则和公开性原则。通过电力市场改革的有关措施,更加合理的配置资源,提高资源利用率,促进电力工业与社会、经济、环境的协调发展。
电力市场环境下,作为市场主体的电力企业将转变工作模式,将经营思路由电力分配及管理转变为电力经营和服务,重点加强需求侧管理和电力负荷预测工作。尤其中国电力工业经过近年来的发展,已经从“卖方市场”转向“买方市场”,这一转变使得电力负荷预测工作的重要性更被摆到前所未有的高度。电力市场的发展影响发电、输电、配电和用电的整个过程。调度和电网管理工作不再具有强制特点,在电力市场中,经济性被提到了前所未有的高度,调度部门的行为很大程度上都是经济行为,在发电、输电、配电和用电的整个过程中,由于调度误差导致任何环节中出现的功率缺额都将影响整个系统的经济性。这种高度的非强制性特点使得准确的负荷预测对系统的经济性有着重要的影响。电厂根据电网公布的负荷短期预测结果报价。如果电网公布的负荷预测资料(指用户侧需求负荷)偏高,将导致系统边际电价过高,直接影响到电网的经济效益;负荷预测资料如果偏低,直接影响到电厂的经济效益。因此,在电力市场运行模式下,负荷短期预测工作,是电力市场运营的基础性工作之一。
1.2短期负荷预测研究现状
电力系统负荷预测理论已经经过了三十多年的发展,经历了传统的统计学和时间序列发展到智能化的人工神经网络及专家系统方法,应用程序也从离线发展到在线。
负荷预测与气象预测一样具有一定程度的不可预见性。但从长期的运作实践中可以了解和综合出影响负荷预测的各种因素,诸如负荷水平、气象条件、季节因素、社会与经济环境等。每个地区的负荷受各种因素影响的比重不大相同。
为了提高负荷预测的精度,人们探讨和研究了许多科学的预测方法,重要研究成果有:                   
① 时间序列方法
文献[3]应用时间序列的分析方法,把负荷随着时间的变化看成一个时间序列,同时又把这时间序列分为确定的和平稳随机的两部分。在以最近的负荷历史资料的基础上,分别建立确定的时间函数方程数学模型。最后用格林函数或条件期望方法进行负荷预测。
② 回归分析方法
文献[10]应用周期性自回归(PAR)模型对某电力局1988年9月1日~10月30日的负荷为样本作参数估计, 以11月1日的记录为输入,预测11月2日~11月8日一周时间的168 个小时负荷数据。采用逐步回归法确定输入向量及参数估计。
③灰色理论方法
文献[6]应用GM(1,1)对保定地区电力1992~1994年的最大负荷及用电量进行建模及预测,采用后验差检验和相对误差检验,所得结果精度较高。
④专家系统方法
文献[8]提出分解到各厂、站端进行的,计算线路各负荷基值的数学模式的负荷预测方法。在综合运行经验的基础上, 建立基于专家系统的短期负荷预测模型。该系统包括动态知识库、 历史数据库、启动自学习程序、负荷预测程序等。
⑤模糊理论方法
文献[2]采用模糊推理预测方法进行负荷预测的研究。该方法利用电力最高负荷和国内生产总值的历史数据建立模糊推理规则,从而进一步建立最高负荷跟国内生产总值之间的模糊蕴涵关系,通过模糊推理得到了负荷预测结果。
⑥人工神经网络方法
文献[12]考虑了影响负荷变化的主要气象因素,在训练中引入遗忘因子, 要求网络在训练过程中对不同时序的样本给出不同的训练精度, 即对近期训练样本的输出精度要高于前期的训练样本,遗忘程度遵循"远大近小"的原则。同时采用附加动量法和自适应学习速率法这两种改进的快速BP算法来改善网络的收敛过程。
⑦支持向量机方法
目前,一些学者提出将一种叫支持向量机(Support Vector Machines, SVM)的算法用于电力负荷预测。SVM基于统计学习理论的VC 维理论和结构风险最小化原理,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力 。
⑧优选组合预测方法
文献[9]应用结合人工神经元网络(ANN) 和模糊专家系统进行负荷预测。采用正交最小平方法(OLS) 选取RBF中心,先用ANN进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,文中还把日期划分为5类。测试结果表明,该方法具有较高的精度和较快的速度。

查看评论 已有0位网友发表了看法
  • 验证码: