检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分段多目标相似日选取法的短期负荷预测

武汉大学学报（工学版） 2016年第3期49卷 435-440页

作者：王剑锋向铁元徐富祥王亮武汉大学电气工程学院湖北武汉430072

提出了一种基于分段多目标相似日选取算法.该方法将负荷进行分段处理,将一天的负荷根据负荷波动规律分为5段,每段分别选取相似日,可以很好地克服选择的相似日只有部分相似的情况,并提出了虚拟相似日的概念.采用负荷曲线形状相似度最大... 详细信息

提出了一种基于分段多目标相似日选取算法.该方法将负荷进行分段处理,将一天的负荷根据负荷波动规律分为5段,每段分别选取相似日,可以很好地克服选择的相似日只有部分相似的情况,并提出了虚拟相似日的概念.采用负荷曲线形状相似度最大和曲线差异度最小的多目标粒子群算法,可以保证选择的相似日的负荷曲线与预测日的负荷曲线在形状上和数量上的差别最小,从而可以提高负荷预测的精度,根据该算法得到的特征系数可以很好地判断出影响该段负荷变化的主导因素.将该相似日选择算法结合改进灰色预测算法应用到某地实际负荷预测中,结果表明该算法在相似日选择和负荷预测中均具有较高的精度.

关键词：短期负荷预测相似日多目标粒子群灰色预测

在线全文

学校读者我要写书评

暂无评论

基于相似日的超短期母线负荷概率性区间预测

电气应用 2013年第11期32卷 36-40页

作者：赵冬梅魏娟张旭王舶仲华北电力大学电气与电子工程学院湖南省电力公司检修公司

为了满足电网调度的实时控制需要,较为准确地预测配电网中低压侧35kV和10kV母线的超短期负荷,结合超短期负荷预测和母线负荷预测的特点,提出了一种基于相似日的超短期母线负荷概率性区间预测方法。利用模式聚类和模式识别的方法分析了... 详细信息

为了满足电网调度的实时控制需要,较为准确地预测配电网中低压侧35kV和10kV母线的超短期负荷,结合超短期负荷预测和母线负荷预测的特点,提出了一种基于相似日的超短期母线负荷概率性区间预测方法。利用模式聚类和模式识别的方法分析了历史负荷数据,选取了相似日,并以负荷求导法为基础,得出历史负荷的预测值,计算历史负荷的预测误差,通过统计历史预测误差分布进行概率性区间预测,得到一定置信水平下的预测区间。实例计算结果表明,基于相似日的超短期母线负荷概率性区间预测的准确率为97.36%,该方法提高了母线负荷预测的准确度和计算速度,适合工程实际应用。

关键词：超短期负荷预测母线负荷预测相似日负荷求导法概率性区间

在线全文

学校读者我要写书评

暂无评论

超短期负荷预测中相似日的选择方法

华北电力大学学报（自然科学版） 2006年第1期33卷 38-41页

作者：蔡佳宏刘俊勇四川大学电气信息学院四川成都610065

使用相似日的负荷数据可以提高预测结果的精度。本文分析了影响相似日选择的因素,并结合相似日负荷曲线的特征,利用相似性原理,提出了通过使用负荷以及负荷增量来计算历史日与预测日的距离,从而来选择相似日的方法,并在计算过程中引入... 详细信息

使用相似日的负荷数据可以提高预测结果的精度。本文分析了影响相似日选择的因素,并结合相似日负荷曲线的特征,利用相似性原理,提出了通过使用负荷以及负荷增量来计算历史日与预测日的距离,从而来选择相似日的方法,并在计算过程中引入了权重。通过对负荷预测数据的统计分析,说明了这种选择方法的有效性和实用性。

关键词：相似日超短期负荷预测电力系统

在线全文

学校读者我要写书评

暂无评论

基于相似日和EEMD的短期电力负荷预测

基于相似日和EEMD的短期电力负荷预测

作者：孙忆枫河南理工大学

学位级别：硕士

电力负荷预测是电网调度与规划的重要参考依据,准确的预测结果有利于电力系统安全与稳定运行。随着电力行业的发展,电力负荷数据成指数增长,负荷影响因素也逐渐增多,传统的负荷预测方法已经不能适应现代电力负荷特征。因相似日对于电力... 详细信息

电力负荷预测是电网调度与规划的重要参考依据,准确的预测结果有利于电力系统安全与稳定运行。随着电力行业的发展,电力负荷数据成指数增长,负荷影响因素也逐渐增多,传统的负荷预测方法已经不能适应现代电力负荷特征。因相似日对于电力负荷预测有重要意义,所以本文结合相似日和负荷序列特征,建立了基于相似日和EEMD的短期电力负荷预测模型。考虑到现有相似日选取方法无法考虑温度的动态变化过程,忽略了积温效应的影响,本文提出了一种基于动态相似度的相似日选取方法。结合连续三日的温度动态相似度和当日的其他影响因素静态相似度求取历史日的综合相似度,根据综合相似度排序选取相似日。该方法既考虑了横向相似又考虑了纵向相似,通过与传统灰色关联法相比,有较好的相似日选取效果。为了更好把握电力负荷序列的非线性特征,本文提出了一种基于相似日和RBF神经网络的短期电力负荷预测模型。利用改进的模糊c-means聚类算法优化RBF神经网络的隐含层参数,同时利用相似日数据对RBF神经网络进行训练,进一步提高模型预测精度。通过实例仿真分析,证明了该方法的有效性。为了进一步分析电力负荷序列特征,提高预测的准确性,本文提出了一种基于相似日和EEMD的短期电力负荷预测模型。首先,将历史负荷序列进行EEMD处理得到多个分量。其次,通过分量的极值点百分比将其归类重组为高、中、低频三个分量,并提取出各频分量中相似日序列。再次,结合相似日数据和各频分量特征分别运用相似日平均法,改进RBF神经网络和LSTM神经网络进行预测。最后叠加各频分量预测值得到最终预测结果。利用河南省某地区实际电力负荷数据仿真分析,证明了该方法可以有效提高短期负荷预测精度。图23幅,表12个,参考文献73篇。

关键词：短期负荷预测相似日 EEMD 模糊c-means聚类 RBF神经网络 LSTM神经网络

基于多属性决策和相似日理论的风电功率多尺度预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多属性决策和相似日理论的风电功率多尺度预测模型研究

作者：严欢重庆大学

学位级别：硕士

随着风能在世界能源格局中的比重不断增加，风电技术和市场快速发展，风能对电力系统的影响越来越大。然而风力发电具有很强的随机性、波动性和不可控性，大规模风电并网将给电力系统的安全运行及电能质量带来严峻的挑战。风电功率预测... 详细信息

随着风能在世界能源格局中的比重不断增加，风电技术和市场快速发展，风能对电力系统的影响越来越大。然而风力发电具有很强的随机性、波动性和不可控性，大规模风电并网将给电力系统的安全运行及电能质量带来严峻的挑战。风电功率预测被普遍认为是应对风电接入的关键技术之一，精确的预测结果能够指导电力调度部门及时调整调度计划、减少备用容量、降低运行成本，促进风电技术的发展，但风电预测不同于其他发电方式和负荷的预测，常规发电厂主要受物理故障的影响，而风作为一种自然现象，与常规电厂比较更服从于可靠的统计处理和物理预测。因此准确的风电功率预测依然是风力发电技术领域的主要研究课题。本文在大量实测数据基础上统计了风速及风电功率的概率分布情况，采取定量分析的方法计算了不同时间尺度下风速及风电功率的波动概率，并分析了风速变化带给输出功率的影响。对不同采样间隔的风电功率数据进行了单步和多步预测，结果表明样本的采样间隔影响着预测精度，应根据预测时长合理确定数据的采样间隔。建立了基于多属性决策和支持向量机的风电功率非线性组合预测模型：基于多属性决策选择单项预测模型，有效地解决了预测模型的复杂程度、资料收集难易程度与其预测精度的提高程度用何种比例标准来进行取舍的问题;以支持向量机作为拟合工具，有效地克服了神经网络的过学习、局部极小值和泛化能力差的问题。应用该模型对实际风电场功率数据进行预测，结果表明该模型能有效提高预测精度。研究了风电功率多步预测方法：基于传统相似日理论的思想，提出了改进相似日搜索的方法，并将机组状态引入作为筛选指标，再结合脊波神经网络良好的预测性能建立了风电功率预测模型，经算例分析表明，该方法能有效预测未来12h的风电输出功率，从而实现较高精度的多步预测，为调度部门提供有力支持。

关键词：风电功率预测波动特性多属性决策支持向量机非线性组合神经网络相似日

基于相似日和Elman神经网络的短期电力负荷预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于相似日和Elman神经网络的短期电力负荷预测

作者：张华承长沙理工大学

学位级别：硕士

短期负荷预测是确保电力系统安全与电力经济平稳运行的重要手段。精准的负荷预测能够有效的提高电能的使用率和减少不必要的损失,对于整个电网乃至整个社会的平稳运行和发展来说都是非常重要的。在如今能源短缺的大环境下,能源成为各国... 详细信息

短期负荷预测是确保电力系统安全与电力经济平稳运行的重要手段。精准的负荷预测能够有效的提高电能的使用率和减少不必要的损失,对于整个电网乃至整个社会的平稳运行和发展来说都是非常重要的。在如今能源短缺的大环境下,能源成为各国研究的核心问题,精准的电力负荷预测能够节俭更多的能源,并且能使能源得到更有效地应用。论文从短期负荷特性分析入手,以下一时刻的电力负荷以及与之相关的影响因素为研究对象,建立具有一定动态性的短期电力负荷预测模型来求得更准确的短期电力预测值。论文首先介绍了短期电力负荷研究的背景和意义、电力负荷国内外的研究现状,以及神经网络在短期电力负荷预测中的应用。简要阐述了短期负荷预测的基本步骤,包括确定目标和预测尺度、历史负荷数据和影响因素的获取、短期电力负荷和影响因素数据的预处理和短期预测模型的建立。介绍了 BP神经网络和Elman神经网络的网络结构、原理和算法。然后,论文在对短期负荷的特性进行分析的基础上,详细阐述了相似日算法及其预测流程,综合相似日算法和Elman神经网络的特性,论文研究了基于相似日和Elman神经网络相结合的预测模型。分析了气象因素、日期差距、星期类型对负荷的影响关系,并量化相关符号因素,给出了相似度的计算方法,说明了新模型的预测流程。最后,以某地方电力局部分电力负荷的历史数据为基础,对三种模型分别进行实验仿真。首先对论文的实验环境和电力数据进行了一般说明,对数据进行了预处理包括缺失数据的补齐、异常数据的处理和原始数据的归一化。针对不同的日类型、气象类型等条件,对三种模型分别进行实验,通过平均绝对百分率误差来评价三种模型的预测效果。实验表明基于相似日和Elman神经网络相结合的模型在短期电力负荷预测方面能表现出更高的预测精度。从不同的日类型和天气类型实验探讨来看,该模型具有实际应用的可行性,依据本模型编写的程序可以根据设定的输入量进行短期电力负荷预测。

关键词：电力负荷短期预测相似日 Elman神经网络

基于相似日和小波神经网络的光伏短期功率预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于相似日和小波神经网络的光伏短期功率预测

作者：祝暄懿西安理工大学

学位级别：硕士

随着能源结构的不断调整,绿色清洁能源获得大力发展,光伏发电具有的环保、可再生等优点受到了世界各国的青睐。目前,光伏发电在各类电源中所占比重稳步提升。由于光伏出力相关影响因子很多,输出特性呈现周期性、波动性和随机性,与此同时... 详细信息

随着能源结构的不断调整,绿色清洁能源获得大力发展,光伏发电具有的环保、可再生等优点受到了世界各国的青睐。目前,光伏发电在各类电源中所占比重稳步提升。由于光伏出力相关影响因子很多,输出特性呈现周期性、波动性和随机性,与此同时,光伏电站的大面积并网必定使电力系统的稳定性受到威胁。因此,研究光伏电站功率预测技术对整个电力系统的安全稳定运行有着重大意义。本人通过认真阅读国内外文献,所研究内容将从以下几个方面展开。第一步,深入分析了光伏输出功率与天气影响因子的关联性,其中,气象影响因素主要涵盖辐照度,温度,湿度,天气类型以及季节等。其次,在此基础上阐述了BP神经网络和小波神经网络的相关理论,分别完成了对BP神经网络和小波神经网络预测模型的设计,通过比较详细说明了小波神经网络在光伏功率预测方面的优势所在,接下来又提出了根据气象因素寻找相似日的办法,并基于光伏电站历史气象信息建立特征向量,通过计算灰色关联度的方式确定预测日的相似日样本集。最后,建立了基于相似日算法和小波神经网络的光伏电站短期功率预测模型,利用青海省格尔木某光伏电站的历史发电数据,对所选的晴天、多云和阴天这三类不同气象条件下8:009:00光伏整点出力数据进行预测,预测结果说明基于相似日的小波神经网络模型的精确度要明显高于BP神经网络和传统小波神经网络的模型,特别是在多云、阴天气候状态下的预测功率值更加精确,在对误差指标进行评估分析上,本文选择两种不同的方式,分别是MAPE和RMSE。结论有力的说明了基于相似日和小波神经网络在光伏电站短期出力预测方面具有着不可比拟的优势和较强的实用性。

关键词：光伏电站功率预测 BP神经网络小波神经网络相似日

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

微网用户短期负荷预测相似日选择算法

中国电力 2015年第4期48卷 156-160页

作者：张玲玲杨明玉梁武华北电力大学电气与电子工程学院 91515部队

微网用户负荷基荷小、波动性和随机性大,增大了短期负荷预测难度。科学合理地选择相似日可以在一定程度上改善短期负荷预测的效果。分析了相似日选择的影响因素,针对微网用户负荷特点,提出了一种负荷点尺度上的相似日选取算法。该算法... 详细信息

微网用户负荷基荷小、波动性和随机性大,增大了短期负荷预测难度。科学合理地选择相似日可以在一定程度上改善短期负荷预测的效果。分析了相似日选择的影响因素,针对微网用户负荷特点,提出了一种负荷点尺度上的相似日选取算法。该算法考虑了前几日气象因素的累积效应、短期负荷的连续性和周期性及时间距离的影响,其相似日评价函数计及了日特征相似和局部形相似,并引入时间因子,克服了传统人工经验选取相似日算法的主观性,使得选择的相似日更加客观合理。实例验证表明,该方法所选择的相似日用于微网用户短期预测时,可以提高预测精度,有一定的使用价值。

关键词：微网短期负荷预测相似日日特征相似局部形相似时间因子

基于相似日和LCSSA-BP的短期光伏发电功率预测

在线全文

学校读者我要写书评

暂无评论

基于相似日和LCSSA-BP的短期光伏发电功率预测

作者：周新茂沈阳农业大学

学位级别：硕士

光伏发电预测的精确度将直接影响光伏发电并网的策略和经济性。但由于光伏发电功率具有波动性和间歇性,在光伏发电并网过程中很容易对主电网造成强大的冲击。因此能够精确的对光伏发电功率进行预测对于降低发电成本以及保证光伏并网稳... 详细信息

光伏发电预测的精确度将直接影响光伏发电并网的策略和经济性。但由于光伏发电功率具有波动性和间歇性,在光伏发电并网过程中很容易对主电网造成强大的冲击。因此能够精确的对光伏发电功率进行预测对于降低发电成本以及保证光伏并网稳定性和安全性具有重要意义。然而常规的预测方法精度不高并且在预测过程中选取相似日部分为考虑天气因素影响,需将天气类型进行划分,增加了模型的复杂程度,本文引入与天气类型密切相关的气象因素——晴空指数作为新的输入因素,很好的解决了这个问题,并提出一种基于Logistic混沌映射的麻雀搜索算法(LCSSA)以改进BPNN的预测模型。论文的主要工作如下:(1)对辽宁省阜新市某10MW光伏电站一整年的数据进行预处理,采用加权算法修正对缺失和异常的数据,通过分析光伏电站年平均发电功率选取有效发电时间段,构建数据集。分析各种气象因素(太阳辐照度、温度、湿度、风速)对光伏功率扰动影响,选取相关性较大的辐照度和温度作为后续模型输入。(2)引入与天气类型密切相关的气象因素——晴空指数作为选取相似日的输入,并采用熵权法对晴空指数、辐照度和温度进行权重赋值。采用加权马氏距离、加权欧氏距离以及两者组合加权算法三种模型寻找相似日,分析对比三种模型选取结果,选择出最佳模型,为后续功率预测奠定基础。(3)建立了基于BP神经网络的光伏发电功率预测模型,并详细描述了所建立的BP神经网络的具体网络拓扑结构、学习过程、网络各层神经元数量。在使用BP预测模型预测的过程中,发现了BP神经网络存在着迭代次数多、收敛时间长的缺点,为克服这些缺点,采用改进后的麻雀算法优化BP预测模型。(4)针对麻雀算法寻优公式存在的不足,引入Logistic混沌映射提升其全局搜索能力、利用线性递减权重法改善LCSSA协调全局与局部挖掘能力。并建立了LCSSA-BP光伏发电功率预测模型。利用实测数据对比分析所提LCSSA-BPNN模型与SSA-BPNN、BPNN模型的预测精度。结果表明:在晴天、阴天、雨天3种情况下,LCSSA-BP模型预测值的平均相对误差率分别为7.58%、9.47%和10.45%,均优于其他对比模型,说明LCSSA-BPNN预测模型具有更好的适应性和预测性能,这一结果证明本文提出LCSSA-BP预测模型是正确可行的。

关键词：晴空指数相似日 Logister混沌映射麻雀算法 BP神经网络