基于支持向量分位数回归与智能电网的短期电力负荷概率密度预测方法

摘要

电力系统负荷预测是电力系统的计划、规划、调度的重要依据。它能够更好地确保电力系统经济安全和稳定运行。环境的可持续发展是人类社会生存和发展的重要基础。智能电网是未来电网发展的必然趋势，且智能电网的实现离不开精确的电力负荷预测方法的支持。大量分布式电源和可再生能源的并网有效地降低了传统能源的消耗，极大地保护了环境。但由于其不稳定性、间歇性等特点，对电网的稳定运行带来了新的问题。针对智能电网建成后带来的电力系统运行和调度的复杂性和不确定性，需要提出新的方法来提高电力负荷预测的精度。
　　在智能电网快速发展的环境下，影响短期电力负荷预测准确性的除了历史负荷和气象因素外，实时电价对短期电力负荷预测的精度影响也较为显著。而且，实时电价是影响电力负荷预测的不确定因素之一。它对用户用电模式的影响较大。随着智能电网的快速发展，其中一个显著的变化就是人们对根据电能需求结合实时电价调整其用电模式。这样可以达到削峰填谷的目的，而且可以提高电网设备的发电效率和能源的利用效率，同时能够降低用户的电费支出。为了提高考虑实时电价的短期电力负荷预测的精度，更好地反映电力负荷的不确定性，本文提出了支持向量分位数回归(SVQR)方法，通过引入松弛变量构造Lagrange函数，得出了不同分位点下的未来一天任意时刻电力负荷的预测结果。同时采用Epanechnikov核函数，将SVQR方法与核密度估计相结合，进行短期电力负荷概率密度预测，可得出较优的预测结果和未来任意时刻的电力负荷准确的波动范围。
　　本文运用支持向量分位数回归方法进行短期电力负荷预测的过程中，考虑到核函数对于此模型至关重要，由此提出了一个新的方法，基于核的支持向量分位数回归和Copula理论的短期电力负荷概率密度预测方法。本文比较了三种不同的核函数并选择适合目标函数的最优核函数，同时，运用Copula理论来分析实时电价和电力负荷之间的关系。此外，本文选择了可靠性准则(PICP)和预测区间带宽(PINAW)来评价输出区间的准确性。
　　本文采用新加坡的历史负荷和实时电价数据集的四个案例，进行短期电力负荷概率密度预测。结果表明:该方法提供了实时电价和电力负荷之间具有相关关系以及能够较好地解决考虑实时电价的短期电力负荷概率密度预测问题。同时，给出了实时电价和电力负荷的关系图，并提供了概率密度预测曲线图以及预测结果和预测区间图来更好地说明所提出的方法的优越性。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与意义

1．1．1 本文选题背景

1．1．2 本文的研究意义

1．2 国内外研究现状

1．2．1 传统电力负荷预测方法的研究现状

1．2．2 基于人工智能的电力负荷预测方法

1．2．3 智能电网环境下的电力负荷预测方法

1．2．4 区间预测和概率密度预测

1．3 研究思路和研究方法

1．3．1 研究思路

1．3．2 研究方法

1．4 本文的主要创新和章节安排

1．4．1 主要创新

1．4．2 结构安排

第二章 基本的理论方法

2．1 支持向量机基本原理

2．2 支持向量回归

2．3 分位数回归理论与方法

2．3．1 线性分位数回归模型

2．3．2 非线性分位数回归模型

第三章 支持向量分位数回归的概率密度预测方法

3．1 支持向量分位数回归模型

3．2 基于核的支持向量分位数回归模型

3．3 基于Copula理论的概率密度预测方法

3．4 评价指标

3．4．1 评价预测结果的误差指标

3．4．2 可靠性准则

3．4．3 预测区间带宽

第四章 基于实时电价和支持向量分位数回归的短期电力负荷概率密度方法

4．1 实时电价与短期负荷的关系分析

4．2 新家坡小样本数据集

4．3 考虑实时电价的短期电力负荷概率密度预测

第五章 基于核的支持向量分位数回归和Copula理论的短期电力负荷概率密度预测方法

5．1 基于Copula理论分析电力负荷与实时电价之间的关系

5．2 新加坡冬季数据集案例分析

5．3 新加坡夏季数据集案例分析

第六章 总结与展望

6．1 研究总结

6．2 研究展望

参考文献

攻读硕士学位期间的学术活动及成果情况