基于组合预测模型的电力系统短期负荷预测研究

摘要

电力部门作为国家经济的重要组成部分，对维持国民经济的健康发展和保证人民生活稳定有序有着非常重要的影响。因此，保证电网的持续有效运行是重中之重。随着电力工业的不断发展，电力系统也逐渐地智能化，同时在倡导绿色节能的新形势下，准确的负荷预测更显得弥足珍贵，负荷预测也成为现今越来越重要的一项工作。实际运行中负荷的变化过程会涉及很多未知的因素，因此在做负荷预测的时候也要考虑这些因素的影响，对于这种不确定的情况，不可能会有一种方法能够完全地适应，所以，我们必须要针对不同的情况选取合适的模型。
　　本文首先介绍了电力系统短期负荷预测的意义并分析了其在国内外的研究现状;第二章介绍了灰色系统理论的基本知识以及其在短期负荷预测中的建模过程;第三章介绍了支持向量机的基本概念和基本原理以及改进的支持向量机的推导过程;第四章详细地介绍基于灰色和改进的支持向量机的组合预测方法，对两种方法结合的权值进行计算，建立最优组合预测模型来进行负荷预测，给出模型参数的选取新方法，并进行实例仿真来分析检验算法的正确性和有效性;第五章详细介绍了所设计的负荷预测软件，该软件可以实现让用户在进行简单的操作之后，就能达到对负荷的实时在线预测，并得到较准确的负荷预测结果等有用的信息;最后，对于需要进一步探讨的问题提出了建议。

目录

声明

摘要

1 绪论

1．1 课题背景及研究意义

1．2 负荷预测的划分

1．3 短期负荷预测研究现状

1．4 本文所做的工作

1．5 本文的构架及内容

2 灰色预测方法

2．1 灰色理论的基本概念

2．1．1 灰色系统的定义与模型特征

2．1．2 灰色系统的基本特点

2．2 灰色生成

2．2．1 累加生成

2．2．2 累减生成

2．3 灰色建模过程

2．3．1 灰色GM模型的建模机理

2．3．2 建立GM(1，1)模型

2．3．3 GM(1，n)模型

2．4 模型精度检验及预测误差分析

2．4．1 模型精度检验

2．4．2 预测误差分析

2．5 灰色预测方法的实例分析

2．6 小结

3 改进的支持向量机预测方法

3．1 概述

3．2 支持向量机的相关概念

3．2．1 统计学习理论基础

3．2．2 模型复杂度和泛化能力

3．2．3 结构风险最小化

3．2．4 优化理论基础

3．3 支持向量机算法

3．3．1 支持向量机回归原理

3．3．2 核函数

3．3．3 支持向量机模型参数

3．4 改进的支持向量机

3．4．1 粒子群优化算法

3．4．2 粒子群优化支持向量机模型构建

3．5 改进的支持向量机预测方法实例分析

3．6 小结

4 组合预测方法

4．1 组合预测的简述

4．2 组合预测中权值计算

4．3 组合预测

4．4 小结

5 负荷预测软件系统的设计

5．1 负荷预测软件开发平台及运行环境

5．2 负荷预测软件的设计

5．3 负荷预测软件的功能介绍

5．4 小结

结论与展望

参考文献

致谢

作者简介及读研期间主要科研成果