检索结果-南通市图书馆

基于神经网络的微电网光伏发电及负荷短期预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的微电网光伏发电及负荷短期预测研究

作者：程伟山东大学

学位级别：硕士

由于微电网光伏发电功率的间歇性与随机性和用电负荷的波动性会对微电网系统的稳定运行造成较大影响,使得微电网发电端与用电端之间的能量交换变得异常复杂。为保障微电网的安全稳定运行与用户的正常生产生活,对光伏发电功率及负荷进行... 详细信息

由于微电网光伏发电功率的间歇性与随机性和用电负荷的波动性会对微电网系统的稳定运行造成较大影响,使得微电网发电端与用电端之间的能量交换变得异常复杂。为保障微电网的安全稳定运行与用户的正常生产生活,对光伏发电功率及负荷进行精确可靠的短期预测具有重要的现实意义。在微电网光伏发电短期预测方面,本文设计了基于相似日优化的长短期记忆(Long-Short Term Memory,LSTM)神经网络光伏发电短期预测模型。首先,对微电网光伏发电特性进行了有效分析并对其影响因素作了充分论证。其次,为提高不同天气类型下(晴、阴、雨天)的光伏发电功率的预测精度,本文基于K-Means聚类算法设计了相似日筛选模型。最后,实现了基于LSTM神经网络的微电网光伏发电短期预测模型,对未来24、48、72小时不同天气类型下的光伏发电功率进行了多尺度、高分辨率的短期预测。在微电网负荷短期预测方面,本文设计了基于相似类型日优化的LSTM神经网络负荷短期预测模型。首先,对微电网典型日、周负荷曲线特性进行了分析并对影响用电负荷的气象因素、日类型进行了量化。其次,设计了相似类型日筛选模型,将初始数据集划分为工作日训练集与休息日训练集。最后,实现了基于LSTM神经网络的微电网负荷短期预测模型,对未来24、48、72小时的工作日与休息日的用电负荷进行了较为全面的预测。通过国标规定的评价指标对上述预测结果进行对比分析,本文所述预测方法的预测结果均满足国标要求。本文光伏发电短期预测结果的平均绝对误差(Mean Absolute Error,MAE)达到了 7.14%,负荷短期预测结果的绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到了 1.75%,相较研究领域内常用的误差逆传播(Back Propagation,BP)神经网络算法的预测精度分别提高了 6.45%与1.12%。本文所述预测方法对微电网光伏发电及负荷短期预测具有重要的应用价值。

关键词：微电网光伏发电短期预测负荷短期预测长短期记忆神经网络 K-Means聚类算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

浅谈地区负荷短期预测及提高准确率的对策

内蒙古电业 2012年第6期 19-20页

作者：温捷任慧彬包头供电局

负荷预测是电网安全运行、经济调度的必要基础，提高各级供电单位负荷预测准确率是提高电网整体负荷预测准确率的基础。提高地区电力负荷短期预测的准确率，可以提高电网运行的安全性和经济性，并可以改善电能质量。

关键词：负荷短期预测预测准确率电网安全运行负荷预测经济调度供电单位电网运行电能质量

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

考虑多种影响因素的电力负荷建模与短期预测

考虑多种影响因素的电力负荷建模与短期预测

作者：郭翔宇河北工业大学

学位级别：硕士

随着新时代我国社会经济的飞速发展,电力负荷的变化情况越来越复杂。由于负荷的随机性,电力系统所面临的调峰调频压力也越来越大。所以,通过对负荷特性进行详细建模,分析其关联的主要因素并实现准确预测,对把握负荷的不确定性、提升电... 详细信息

随着新时代我国社会经济的飞速发展,电力负荷的变化情况越来越复杂。由于负荷的随机性,电力系统所面临的调峰调频压力也越来越大。所以,通过对负荷特性进行详细建模,分析其关联的主要因素并实现准确预测,对把握负荷的不确定性、提升电力系统调度运行的技术水平具有重要意义。本文针对不同类型负荷的特性,考虑了多种关联因素,开展了负荷特性建模研究,并提出了相应的短期预测方法。首先,分别针对商业负荷、居民负荷和工业负荷,分析了其负荷曲线的变化特征,及其与季节、天气、温度等因素的关联关系。针对传统负荷典型日选取方法的不足,提出了基于灰色关联分析的典型日选取方法。以各个关联因素为特征,建立特征向量,并以灰色关联度作为典型日负荷曲线的选取标准,建立了基于改进峰荷比法的负荷模型,并通过算例验证了该建模方法的有效性及负荷短期预测的准确性。针对负荷曲线归一后的形状特征,提出了基于日负荷峰谷值的建模方法。对负荷进行按日最小-最大值进行归一化处理,将日负荷转化为幅值在0～1间的行向量,利用长短期记忆神经网络,以负荷相关影响因素为输入,日负荷峰谷值为输出,结合典型日负荷的特征向量,得到预测日的负荷曲线。以实际负荷数据作为算例验证了该方法的有效性。针对负荷曲线变化趋势的相似性特征,提出了基于负荷同趋性的负荷建模与预测方法。利用叠加马尔科夫链模型,建立转移矩阵与概率状态向量,得到基准曲线与比值序列,并根据比值序列均值与负荷关联因素的关系,基于长短期记忆神经网络对基准值进行预测;由比值序列均值与相似日基准曲线,得到预测日的负荷曲线。通过实际算例验证了该方法的有效性。最后,针对不同类型负荷对比了三种建模及其对应短期预测方法,分析了不同方法的适应性,本文研究可为电力系统负荷建模及短期预测提供参考。

关键词：负荷曲线特性负荷短期预测灰色关联分析峰谷值法负荷同趋性电力系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

微网短期负荷预测技术研究及应用

微网短期负荷预测技术研究及应用

作者：张珂赫中国矿业大学

学位级别：硕士

我国经济快速稳步发展势必伴随着能源消耗的加剧,煤炭、石油等能源枯竭问题愈发明显。微网作为一个独立可控的发配电系统,能够结合当地自然环境将多种发电形势有效结合,在带来环保和低排放供电模式的同时,克服了我国中西部地区电力紧缺... 详细信息

我国经济快速稳步发展势必伴随着能源消耗的加剧,煤炭、石油等能源枯竭问题愈发明显。微网作为一个独立可控的发配电系统,能够结合当地自然环境将多种发电形势有效结合,在带来环保和低排放供电模式的同时,克服了我国中西部地区电力紧缺问题。而微网短期负荷预测作为微网能量管理系统中的重要一环,愈发成为研究人员的重点研究方向。对微网负荷进行准确预测不仅可以指导微网系统有序运行,同时能够对大电网供电计划提供重要依据。论文针对微网基数小、随机性大等特点,建立了遗传算法优化的BP网络组合算法对负荷进行预测,并将预测算法应用到实际案例中。主要研究工作如下:首先,对微网负荷的特点和影响负荷的外部因素进行了分析,为后续预测模型的建立提供理论依据。论文根据BP神经网络的高鲁棒性和智能化等特点,建立了BP神经网络负荷预测模型。将历史负荷数据、日期类型以及天气因素等作为网络输入端,对涉及的负荷数据做归一化处理,对日类型以及气象因素做量化处理,将处理后的数据作为网络的样本,实现对微网负荷的预测。其次,根据BP神经网络初始值不稳定和易陷入局部最优等缺陷,建立了遗传算法优化的BP网络组合预测算法。利用遗传算法的全局搜索能力对BP网络进行优化,遗传算法替代了BP神经网络梯度下降法,来解决BP神经网络迭代速度慢和易陷入局部最优等缺陷,并将遗传算法优化的BP网络用于微电网负荷预测。通过对比优化后的模型与优化前的模型预测结果,表明优化后的模型预测精度更高。最后,构建微电网能量管理平台,将微电网负荷预测嵌入至微电网第二级能量管理平台中。负荷预测子系统包括了硬件的选择和软件实现,并运用遗传BP网络对未来日负荷进行预测。论文采样了几组预测结果,证明该短期负荷预测算法的实用价值。算法经过仿真以及在徐州鑫日微网负荷中的成功应用,有效提高了供电效率,对提高电网运行效率具有一定意义。该文有图26幅,表9个,参考文献62篇。

关键词：微网负荷短期预测神经网络遗传算法能量管理系统

基于数据挖掘和GSA-BP多模型神经网络的微网短期负荷预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据挖掘和GSA-BP多模型神经网络的微网短期负荷预测

作者：王帅中国矿业大学

学位级别：硕士

随着我国经济的快速发展,能源枯竭问题日益加重,微网作为一种清洁友好型能源,能够利用当地的资源优势,有效解决我国中西部偏远地区用电难、电能运输成本高、利用率低等问题。而微网短期负荷预测作为微网中的研究热点,日益受到研究人员... 详细信息

随着我国经济的快速发展,能源枯竭问题日益加重,微网作为一种清洁友好型能源,能够利用当地的资源优势,有效解决我国中西部偏远地区用电难、电能运输成本高、利用率低等问题。而微网短期负荷预测作为微网中的研究热点,日益受到研究人员的关注。对微网短期负荷进行有效预测,能够为微网系统节能高效的运行提供保障、为电力调度部门制定发电计划提供依据。因此加强微网的负荷预测无论对微网系统本身还是对大电网都有重要的意义。本文针对微网负荷的特点,提出了基于数据挖掘和遗传模拟退火算法(GSA算法)优化的多模型神经网络微网短期负荷预测模型。主要研究工作以及创新性内容如下:首先,对影响微网负荷的气象、日类型以及实际历史负荷等因素进行分析,根据这些因素建立微网负荷预测的初步样本数据,利用数据挖掘技术对该样本数据进行挖掘处理,并建立基本预测模型。具体处理方法为:(1)利用粗糙集属性约简算法对样本数据进行约简处理,找到影响微网负荷的核心因素,并将其作为预测模型的输入;(2)针对微网负荷的波动性、随机性等特点,对约简后的样本数据进行模糊聚类分析,将样本数据分为若干类,并针对每一类样本建立对应的BP神经网络预测模型;(3)在对微网负荷进行预测时,通过模式识别技术寻找与预测日最近的样本集合对应的网络,并利用此网络对微网负荷进行预测。通过以上几步建立了基于多模型BP网络的微网短期负荷预测模型。通过仿真对比,验证了预测模型能够取得理想的预测结果。其次,针对BP神经网络迭代速度慢、易陷入局部极小值等缺陷,提出了基于GSA算法优化的多模型BP网络预测模型,将遗传算法(GA)的并行搜索结构和模拟退火算法(SA)的概率突跳特性与BP网络相结合,对微网负荷做出预测。将优化后的预测模型与优化前的预测模型做对比,结果表明,优化后的模型预测精度更高。并且通过与其他预测算法比较,进一步验证了GSA算法优化的多模型BP网络在微网短期负荷预测中的优势。最后,通过分析国外微网负荷的运行情况发现,实时电价因素在一定程度上会影响微网负荷的大小。因此,本文将实时电价因素引入预测模型中。利用模糊控制算法对模型预测后的微网负荷值进行修正。仿真结果表明,该算法能够对考虑实时电价因素的预测结果进行有效地修正。

关键词：微网负荷短期预测数据挖掘神经网络遗传模拟退火算法

基于WOA算法和聚类算法的神经网络短期负荷预测

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WOA算法和聚类算法的神经网络短期负荷预测

作者：吕欣航上海电力大学

学位级别：硕士

电力行业在国家经济、社会等领域占据不言而喻的地位,是国家最重要的基础行业之一。电力系统负荷预测关系到电力系统安全、可靠、经济地运行,其精确性是电力系统调度合理性的基础。鉴于此,本文在负荷数据分析处理的基础上,将神经网络分... 详细信息

电力行业在国家经济、社会等领域占据不言而喻的地位,是国家最重要的基础行业之一。电力系统负荷预测关系到电力系统安全、可靠、经济地运行,其精确性是电力系统调度合理性的基础。鉴于此,本文在负荷数据分析处理的基础上,将神经网络分别与鲸鱼优化算法（Whale Optimization Algorithm,WOA）和聚类算法相结合,建立改进WOA-LSTM神经网络预测模型及分段反向传播（Back Propagation,BP）神经网络预测模型,其中前者用以解决长短期记忆（Long Short-Term Memory,LSTM）神经网络预测模型因权值和偏置值初始化而产生的精度太低的问题,后者用以解决神经网络在对稍长时段预测时所出现的精度下降严重的问题。本文主要内容和研究成果如下:（1）研究了影响负荷预测精度的主要因素,分析了负荷的特点,介绍了负荷历史数据的数据处理方法,总结出电力负荷预测的一般流程。（2）阐述了负荷预测理论方法,分析了影响负荷变化的主要因素,将日期常数引入历史负荷数据中,并使用特征贡献度的方法证明其加入的有效性。（3）使用WOA算法对LSTM神经网络权值和偏置值寻优,减少LSTM神经网络使用基于时间的反向传播算法（Back-Propagation Through Time,BPTT）的寻优难度。此外,利用变异算法对WOA算法改进,建立了改进WOA-LSTM神经网络,并通过仿真实验预测未来48h的负荷数据。同时比较了LSTM预测模型、WOA-LSTM预测模型以及改进WOA-LSTM预测模型预测结果,证明改进WOA算法对LSTM预测模型在负荷短期预测的应用中有着明显的效果,可以有效地减少模型的预测误差。（4）研究了聚类分析中的K-means算法的工作原理与流程,将其与BP神经网络相结合,使用K-means算法对历史数据分段,然后使用BP神经对每一个数据段内的负荷进行预测,最终将所有的BP神经网络的输出拼接起来得到分段BP神经网络预测模型的输出。在建立分段BP神经网络预测模型后,本文详细研究了K值的选取对模型预测精度的影响,并以K=2、K=3、K=4为例对模型进行仿真试验,得出结论:K值的选取对分段BP神经网络预测模型的预测精度有着较大的影响,其值较大或较小都会使模型的预测误差增大。另外,本文还将由不同值得到的预测输出与改进WOA-LSTM预测模型预测结果对比,证明分段BP神经网络预测模型在稍长时段的预测精度优于改进WOA-LSTM预测模型。

关键词： LSTM神经网络 BP神经网络 K-means算法 WOA算法负荷短期预测