基于回归分析的短期负荷概率密度预测方法研究

摘要

我国能源紧缺形势日益严重，同时化石能源的使用所带来的污染对人民生活的影响越来越大，雾霾等多种形式的污染严重制约了国家经济的发展与人们生活水平的提高。精确的负荷预测是节能减排、提高经济效益、保护生态环境的重要手段。随着电力系统现代化水平越来越高，智能算法水平的不断提高，如何提高电力系统负荷预测的精度的同时，同时预测多种形式的负荷结果，为电力工作人员提供更多的参考价值信息，成为了目前电力负荷预测所面临的主要问题。为此，本文提出了基于回归分析的电力系统短期负荷概率密度预测方法研究，主要对以下内容进行了深入研究:
　　首先，本文详细分析了传统预测方法在负荷预测方面的应用，分析了非参数回归在负荷预测中的回归优势，研究了负荷预测的主要流程，为短期负荷的概率密度预测奠定了基础。
　　然后，本文提出了基于ACE的短期负荷概率密度预测方法。一方面，基于非参数回归中交替条件期望理论(ACE)建立历史平均温度、日历序列与历史负荷的期望回归方程，并通过回归曲线得到最优转换方程。另一方面，利用模糊聚类方法获得预测日的历史相似日集。选取该相似日集下的平均温度、日历序列，并结合预测日的相关信息，利用最优转换方程，得到负荷的预测值集。利用高斯核密度估计并采用拇指原则，得出短期负荷各时刻的概率密度预测曲线。利用某地区实际数据，通过与其他方法对比下的仿真分析，证明了该方法的有效性。
　　其次，本文提出了基于ELM-分位数的短期负荷概率密度预测方法。基于极限学习机理论，利用非参数回归中的分位数回归方法，计算不同分位数下的负荷的预测分位数;通过对分位点连续化，本方法也利用高斯核密度估计方法和拇指原则进行计算，结合算例得到短期负荷各时刻的概率密度预测曲线，并与传统点预测方法对比，证明了该方法的准确度高、可靠性好。
　　最后，依据上述基于非参数回归的两种短期负荷概率密度预测方法，以某地电网负荷为实例，预测了同一天各时刻负荷的概率密度曲线，对比分析了点预测结果，分析了两种方法的优缺点，验证了两种方法的有效性与先进性。

目录

声明

摘要

第1章 绪论

1．1 课题背景及研究的目的和意义

1．2 研究现状分析

1．2．1 负荷预测研究现状

1．2．2 概率密度预测研究现状

1．3 论文的目的和意义

1．4 论文主要工作

2．1 引言

2．2 电力负荷预测概念

2．3 负荷预测的方法

2．4 回归分析方法的应用

2．4．1 参数回归

2．4．2 非参数回归

2．5 负荷预测流程

2．5．1 数据收集与预处理

2．5．2 预测模型的选择

2．5．3 预测精度的验证

2．6 本章小结

第3章 基于ACE的短期负荷概率密度预测方法

3．1 引言

3．2 交替条件期望理论

3．3 基于ACE理论期负荷概率密度预测

3．3．1 确定回归方程

3．3．2 基于模糊聚类的相似日选取

3．3．3 核密度估计

3．3．4 概率密度曲线预测

3．4 实例分析

3．4．1 最优转换方程的确定

3．4．2 考虑历史日序列的相似日选取

3．4．3 负荷概率密度曲线预测

3．5 本章小结

第4章 基于ELM-分位数回归的短期负荷概率密度预测

4．1 引言

4．2 极限学习机理论

4．3 分位数回归理论

4．4 基于ELM-分位数回归的短期负荷概率密度预测

4．5 实例分析

4．6 本章小结

第5章 算法对比分析

5．1 ACE算法与ELM-分位数预测结果对比

5．2 优缺点比较分析

6．1 结论

6．2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢