混沌理论与神经网络在电力系统短期负荷预测中的应用

摘要

随着电力市场的快速发展，电力系统负荷预测越来越受到电力相关部门的重视。准确及时的电力负荷预测，可以经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保证社会的正常生产和生活，有效地降低发电成本，提高经济效益和社会效益。 本论文具体包括以下几个方面的内容： 第一章从电力系统实际情况出发，总结了电力系统负荷的特点、电力系统负荷预测的特点和电力系统负荷预测的类型。接着第二章讨论了经典的和现代的电力负荷预测的主要方法，并研究分析了这些方法存在的优点和不足，部分方法被应用于电力负荷预测实例。 第三章提出了一种改进的混沌理论预测方法。混沌理论预测方法是电力系统负荷预测应用得最广泛的方法之一。用它进行电力负荷预测有如下几步：首先对电力负荷历史数据进行相空间重构，然后采用线性方法逼近混沌系统函数，最后用最小二乘法估计目标函数参数。因为与基向量相似程度不同的向量对目标函数的影响不同，所以要根据与基向量的相似程度对目标函数加权。当前人们普遍采用关联度来衡量相空间向量相似性。为了降低计算时间和计算复杂度，本文提出了用向量1-范数来衡量相空间向量相似性的办法，并将该方法用于电力系统日负荷预测。根据预测结果显示，该方法在保持预测精度的情况下，减少了计算量，缩短了计算时间。 第四章将RBF-AR神经网络预测方法应用于电力负荷预测。它是一种用RBF神经网络来逼近AR函数系数的非线性预测方法。本文采用SNPOM方法来辨识与优化参数。该方法将参数分为非线性参数和线性参数，用类似于LMM方法来优化中心，用LSM方法优化线性权重，并在搜索过程中分解参数空间结构，效果相当于压缩了参数空间。这种算法使收敛性得到了极大的提高并得到了更高的精度。本文将RBF-AR模型被应用于电力系统负荷预测，并将得到的RBF-AR模型预测结果与前面方法的预测结果作了比较。第五章将两种方法进行最优组合，优化了预测结果，并对多种预测方法的结果进行比较。

目录

文摘

英文文摘

声明

第一章绪论

1.1电力系统负荷的特点

1.2电力系统负荷预测的特点

1.3电力系统负荷预测的类型

1.4本文研究的主要内容及章节安排

第二章电力系统负荷预测的主要方法

2.1经典预测方法

2.1.1单耗法

2.1.2弹性系数法

2.1.3水平趋势预测法

2.1.4线性趋势预测法

2.1.5多项式趋势预测法

2.1.6季节型趋势预测法

2.1.7回归预测法

2.2现代预测方法

2.2.1灰色预测法

2.2.2专家系统法

2.2.3小波分析法

2.2.4空间负荷预测法

2.2.5神经网络

2.2.6混沌序列方法

2.3小结

第三章基于向量1-范数的混沌系统电力预测模型

3.1若干基本概念

3.1.1 离散时间系统的混沌性定义

3.1.2离散时间系统Lyapunov指数

3.1.3 离散系统混沌吸引子

3.1.4连续系统的混沌性定义

3.1.5连续时间系统的Lyapunov指数

3.1.6关联度与向量1-范数的计算复杂度比较

3.2建立混沌系统电力预测模型

3.2.1混沌系统相空间重构

3.2.2混沌系统电力预测建模

3.2.3最佳嵌入维数

3.2.4.选择相空间的时间窗口

3.3基于向量1-范数的混沌理论电力系统预测模型实例分析

3.3.1基于向量1-范数的混沌理论电力系统预测模型

3.3.2实例分析

3.4 小结

附图

第四章 RBF-AR模型在电力系统负荷预测中的应用

4.1前向人工神经网络模型

4.1.1前向人工神经网络模型的定义

4.1.2前向神经网络结构的设计

4.2 BP神经网络

4.3建立RBF神经网络

4.3.1 RBF网络构造

4.3.2 RBF中心位置确定

4.3.3 RBF-AR模型结构

4.3.4 RBF-AR模型的参数辨识及优化原理

4.4基于RBF-AR模型的电力负荷预测实例研究

4.5小结

第五章基于向量1-范数的混沌理论模型与RBF-AR模型的组合预测方法

5.1优选组合预测法

5.2基于向量1-范数的混沌理论与RBF-AR模型的组合预测方法

5.3多种预测方法的比较

5.4 小 结

附图

第六章结论与展望

6.1研究成果

6.2进一步研究需要解决的问题

6.3展望

参考文献

致 谢

攻读硕士期间主要的研究成果