检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于灰色非线性季节模型的中国电力预测研究

基于灰色非线性季节模型的中国电力预测研究

作者：陶慧慧常州大学

学位级别：硕士

电力发展促进了经济快速发展,但电力生产过程中的污染物,电力供需之间的平衡等问题亟待解决。对电力生产和消费进行准确预测,有助于推动电力绿色低碳转型,使电力系统安全稳定。我国电力系统受多重因素影响,整个系统具有不确定性,增加了... 详细信息

电力发展促进了经济快速发展,但电力生产过程中的污染物,电力供需之间的平衡等问题亟待解决。对电力生产和消费进行准确预测,有助于推动电力绿色低碳转型,使电力系统安全稳定。我国电力系统受多重因素影响,整个系统具有不确定性,增加了电力预测工作的复杂性。为解决电力系统的预测问题,本文将电力系统作为一个灰色系统。而灰色预测模型能处理不确定性系统的问题,对数据分布要求不高,可以用于研究电力预测问题。在我国,月度和季度形式的电力生产和消费数据具有明显的季节性、非线性和周期性特征。如何有效识别电力序列特征,得到良好的预测结果,需要进行更多的探索。本文立足于灰色系统理论,围绕我国电力生产和消费序列的季节性、非线性和周期性特征,构造了两种新的电力预测模型。灰色算子具有处理序列规律的能力,利用灰色算子处理序列是建模前的重要过程。基于现有灰色算子,考虑到新息优先原理,设计了两种新的灰色累加算子,即分数阶周期累加算子和新息优先周期累加算子,以识别序列规律。在此基础上,以Holt-Winters模型的框架为主体结构,将新灰色累加算子融入其中,构建两种新的灰色非线性季节模型,即NOFGHW模型和NCGHW模型。在建模过程中,为提高模型精度,引入LBFGS算法对模型参数进行优化。为了展示新模型在电力序列中的预测效果,本研究将NOFGHW模型用于研究月度和季度发电量序列,而将NCGHW模型应用于月度和季度全社会用电量序列。研究不同周期下,两种新模型对于序列的适应性。在模型结果分析方面,选取了一系列代表性模型与新模型进行对比,并通过评估准则的结果分析模型精度。最后,使用两个新模型对我国2022-2023年电力生产和消费的相关序列进行预测。研究结果表明:(1)在电力系统中,灰色预测模型能够展现出更为稳健的预测能力。(2)两种灰色算子能够有效识别序列特征,扩大新信息的使用权重。(3)NOFGHW模型和NCGHW模型是电力预测的有效工具,具有良好的预测结果。(4)未来我国电力供需关系仍需调节。要关注电力生产与消费序列的发展特点,提前做好合理规划。根据我国发电量和全社会用电量的预测结果,提出了一些政策建议。基于研究内容的不足之处,本文针对模型应用对象和模型构造提出了一些可以改进的地方,以扩展灰色预测模型的应用范围,提高模型的预测精度。

关键词：灰色非线性季节模型电力预测分数阶周期累加算子新息优先周期累加算子 LBFGS算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于群智能优化算法的电力预测方法研究

白城师范学院学报 2022年第2期36卷 36-40页

作者：周庆华安徽工业职业技术学院机电工程学院安徽铜陵244000

文章以电力负荷数据为分析对象,采用基于群智能优化算法结合模糊理论的时间序列预测方法,建立电力预测模型.通过与其他聚类方法、优化方法和预测模型的比较,显示该模型的优越性和准确性.

关键词：电力预测时间序列群智能优化

针对多源影响因素优化电力预测混合模型算法研究及应用

在线全文

学校读者我要写书评

暂无评论

针对多源影响因素优化电力预测混合模型算法研究及应用

作者：王卫增北京工业大学

学位级别：硕士

随着社会不断发展,电力需求随之更加迫切,同时也促使电力市场必须向前发展。为了切实保障供电需求以及削减电能资源浪费成本,这就需要制定相对合理的供电方案、电网合理规划建设等等一系列措施。这些措施的制定是需要比较可靠的参考数... 详细信息

随着社会不断发展,电力需求随之更加迫切,同时也促使电力市场必须向前发展。为了切实保障供电需求以及削减电能资源浪费成本,这就需要制定相对合理的供电方案、电网合理规划建设等等一系列措施。这些措施的制定是需要比较可靠的参考数据作支撑,而对未来数据情况的预知可以通过电力预测获得,因此针对在多源影响因素条件下电力预测模型的研究具有一定的研究价值。在文中首先对课题研究的背景和意义进行了比较详细的阐述,而后梳理清楚课题研究所处的范畴和可能涉及到的一些相关理论技术以及几个算法模型。而后在数据处理问题上,针对数据问题选择合适的且具有针对性的处理方法。通过采用哑变量处理将外部数据转换成研究中可用的数据规格;为了消除不同属性数据之间的量纲差距,通过归一化操作使输入模型的数据统一化量纲;针对研究中的用电量数据缺失情况,提出K值最近邻均值填补方法,通过和同类方法做纵向对比发现其填补效果较好。为了削减数据序列间的差异化因素影响预测效果,且间接提高预测模型的鲁棒性,通过使用聚类方法分割原数据集,可聚成多个簇类子集。因此提出在Kmeans算法基础上针对时间序列进行优化,主要是计算距离的方法的调整,即使用动态时间规整和欧式距离加权计算。另外,预测模型算法决定了预测效果的上限,为了逼近这个上限可以通过特征构造提升预测效果,因此制定具有针对性的特征构造方案是必要的研究工作。针对本课题研究使用的数据结合实际,提出采用数据序列组合计算特征提取和数据序列波动特征提取两个方案,其中涉及到基本统计量和小波变换方法。对于整合优化模型以及中长期预测问题,首先针对预测步长在一周内的短期预测任务,通过整合多个方法优化改进预测模型,其中包括动态时间规整和欧式距离加权的Kmeans聚类方法和特征构造方案;之后,在短期预测任务解决方案的基础上,通过递归迭代优化改进预测模型,可形成模型群,解决预测步长大于一周的中长期预测任务。

关键词：数据挖掘时间序列聚类特征提取电力预测

基于模糊聚类和最小二乘支持向量机混合模型的电力预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模糊聚类和最小二乘支持向量机混合模型的电力预测研究

作者：聂亚昕东北财经大学

学位级别：硕士

电力工业是经济的血液,其发展迅猛逐渐受到世界上各个国家的普遍重视。但由于电力本身的特性以及各项因素的共同作用影响,电力需求序列呈现出高度的波动性、自相关性、季节性和随机性,这成为影响世界各国电力系统安全稳定运行的关键因... 详细信息

电力工业是经济的血液,其发展迅猛逐渐受到世界上各个国家的普遍重视。但由于电力本身的特性以及各项因素的共同作用影响,电力需求序列呈现出高度的波动性、自相关性、季节性和随机性,这成为影响世界各国电力系统安全稳定运行的关键因素。要避免电力需求序列的这些特性对各国电力系统的运行产生不良影响,要求我们必须能够准确的预测短期电力负荷需求。然而,传统的线性预测方法无法满足电力需求序列的波动性、不确定性、自相关性及随机波动性的预测要求,基于人工智能算法的许多模型容易陷入局部最优,从而使预测精度达不到我们想要的标准。因于此,本文在研究了国内外短期电力负荷预测现状的基础上,提出了一种基于数据预处理、聚类、参数优化、预测四个模块构成的组合预测模型来提高预测的精度,并通过讨论检验证明其优异性及稳定性。在数据预处理模块,本文采用集成经验模态分解技术进行处理,降低了原始数据集内噪声的影响,得到稳定的序列作为数据的准备条件。在聚类模块的部分,对多种聚类方法进行比较最终选择了模糊聚类FCM算法,将负荷曲线以天为单位对四个季节数据分别进行聚类,并在此基础上进行更深入的分析,针对聚类的结果进行用户用电行为的分析,将各季节各类别的聚类结果进行可视化处理,以天为单位观察各季节各类别负荷数据的负荷曲线变化来对用户的用电行为进行横向观察并按时间点进行纵向观察,横纵相结合对用户用电行为进行描述。接着,在模糊聚类得到的序列基础之上对数据进行选择,在每个季节中选择与其预测日最为相似的一类数据参与后续的优化及预测。其中,本文选择每个季节各时间点的平均值数据作为预测日数据。在优化模块,本文采取差分进化的优化算法对其中的参数采用进行优化。最后,在预测模块本文采用最小二乘支持向量机的预测方法对数据进行训练和预测。经过机器学习后,我们使用了四种不同的统计标准来评估模型的预测性能,并将所提出的模型从单一与混合、不同优化算法、不同预测算法三个方面进行对比证明其具有较优异的预测精度,并通过DM及稳定性等检验证明该模型的有效性和稳定性。本文创新点主要在于:第一,在聚类分析模块,本文将模糊聚类用于对数据的选择,筛选出更合适的数据,从而能更有效的提高模型的预测精度;针对数据的特点,对各个季节数据分别进行聚类,并对各个季节的聚类数据进行用户用电行为的分析;指出了聚类方法的有效性指标,对常见聚类算法进行比较,让选取的聚类方法及类别个数有据可依。第二,本文在对比各种模型证明所提模型有较高精度之后,对模型进行了讨论和检验,从DM、稳定性、确定性和有效性检验等方面入手,充分证明了模型的优异性。除此之外,本文仍存在几点不足:第一,对电力负荷数据影响因素的选择考虑的还不够全面。第二,在用户用电性分析上没有对某一个行业或某一类有特征的用户进行更深入细分。第三,目前在预处理、聚类、优化以及预测各方面的算法众多,本文可能在众多算法的选取中考虑的不够全面。

关键词：电力预测最小二乘支持向量机模糊聚类模型检验

融合数据预处理的机器学习在电力预测中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合数据预处理的机器学习在电力预测中的应用研究

作者：韩立烨华北电力大学(北京)

学位级别：硕士

预测属于一类内容复杂、规模庞大的非线性优化问题,在电力系统中占有重要地位,也决定了电力系统经济运行的基础。近几年,很多国家纷纷致力于风功率发电预测,但由于影响风功率的因素不确定的特点,大多研究领域都是短期风功率预测。尽管... 详细信息

预测属于一类内容复杂、规模庞大的非线性优化问题,在电力系统中占有重要地位,也决定了电力系统经济运行的基础。近几年,很多国家纷纷致力于风功率发电预测,但由于影响风功率的因素不确定的特点,大多研究领域都是短期风功率预测。尽管在风力发电领域已经存在很多成熟的预测方法,但是由于风功率序列的随机性和不可控性的特点,建立在历史数据上的统计模型已经很难得到精确的预测结果。因此,更加精确高效的预测模型和数据预处理技术对短期风功率预测具有重要的应用价值。目前出现了多种电力预测技术,并且成功地应用于不同种类的电力预测中。模型算法大致分成两类：基于统计模型和基于机器学习,这些算法大多是融合了数据预处理以及模型组合的方法。本文针对短期风功率预测重点讨论了各类研究中所涉及的规划模型及算法策略之间的联系以及各自的局限性,进一步分析了浅层网络和深层网络各自的优缺点,在此理论基础上建立了一个具有三个隐含层的深度模型SAEP,并与传统的BP模型、SVM模型进行了实验对比分析。实验结果表明,本文提出的SAEP模型平均绝对百分比误差MAPE相比其他两个模型降低了10%-30%;提出的基于粒子群优化算法的SAEP模型参数优化方法,很好地解决了基于人工经验设置复杂参数的困难。提出的一种基于相似度和趋势相似度样本分类方法,用预测日的最优相似日创建模型的参考向量,有效地解决了模型多步预测精度低的缺点,验证了本文提出的数据预处理方法相比人工经验处理的方法更加有效。研究结果对短期风功率的预测有一定的应用指导意义。

关键词：电力预测数据预处理深度模型粒子群优化算法样本分类

基于全信息新陈代谢的GM(1,1)电力预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机技术与发展 2012年第1期22卷 9-12页

作者：蒋红霞黄晓荣四川大学水利水电学院四川成都610065 四川大学水力学与山区河流开发保护国家重点实验室四川成都610065

传统的灰色预测模型所需的样本容量较少,仅4个数据就可以建立灰色预测模型。虽然传统的灰预测建模较为简单,但是忽略了对预测较为有利的新信息,容易产生预测模型老化的现象,预测精度不高。全信息新陈代谢的GM(1,1)灰色预测模型更为合理... 详细信息

传统的灰色预测模型所需的样本容量较少,仅4个数据就可以建立灰色预测模型。虽然传统的灰预测建模较为简单,但是忽略了对预测较为有利的新信息,容易产生预测模型老化的现象,预测精度不高。全信息新陈代谢的GM(1,1)灰色预测模型更为合理、科学,全信息建模避免了局部信息建模的局限性,每预测一个结果去除原始数列的最老数据的新陈代谢处理保证了预测数列的实效性,并用Matlab实现改进GM(1,1)模型的编程计算,应用于双流县电力需求量的预测,预测精度好。

关键词：全信息新陈代谢电力预测 Matlab

在线全文

学校读者我要写书评

暂无评论

中国电力预测回顾

中国电力企业管理 2015年第8期 39-41页

作者：朱成章

2001年,劳伦斯·伯克利国家实验室的专家作了美国能源预测回顾——《历史的启示：美国长期能源预测回顾》。回顾中写道，美国的能源预测已进行了一个多世纪．1950—1980年期间的预测均偏高，一个突出的例子是没有预见到美国经济通过提... 详细信息

2001年,劳伦斯·伯克利国家实验室的专家作了美国能源预测回顾——《历史的启示：美国长期能源预测回顾》。回顾中写道，美国的能源预测已进行了一个多世纪．1950—1980年期间的预测均偏高，一个突出的例子是没有预见到美国经济通过提高效率应对20世纪70年代石油禁运的能力，而且所有的预测都低估了不确定因素。当前中国的情况正好与美国相反，中国用传统的计划经济思维预测中国的长期电力需求，结果电力预测均偏低。

关键词：电力预测中国 20世纪70年代美国经济能源预测 2001年国家实验室石油禁运

基于主成分分析的多元回归算法在电力预测中的应用

在线全文

学校读者我要写书评

暂无评论

机电信息 2016年第36期 20-21页

作者：罗序良广东电网有限责任公司江门供电局广东江门529000

在电力生产部门,电力预测一直是一项重要工作,通过引入多元回归算法建立相应的模型能提高电力预测的精确程度。多元回归是一种处理变量的统计相关关系的数理统计方法,现通过主成分分析来重构输入空间,以改进模型预测精度。

关键词：电力预测主成分分析多元回归算法模型

在线全文

学校读者我要写书评

暂无评论

基于大数据电力预测系统应用探究

中文科技期刊数据库（全文版）自然科学 2018年第11期 246-246,248页

作者：焦凯营国网许昌供电公司河南许昌461000

电力需求的预测是电力服务企业制定供电项目的重要依据,因此,做好对电力需求的预测,可以让电力企业的经济运行能力的到有效的提高。本文结合大数据电力预测系统设计的要求,提出电力预测系统模式规划、电力需求模型的综合预测、电力预测... 详细信息

电力需求的预测是电力服务企业制定供电项目的重要依据,因此,做好对电力需求的预测,可以让电力企业的经济运行能力的到有效的提高。本文结合大数据电力预测系统设计的要求,提出电力预测系统模式规划、电力需求模型的综合预测、电力预测系统功能设计以及基于大数据电力预测系统架构设计,再综合基于大数据电力系统预测的应用分析,从而希望提高电力需求预测的客观性和准确性,可以有效的服务电力企业和社会。

关键词：电力预测大数据分析功能设计系统应用