基于云理论和元胞自动机理论的电力负荷空间分布预测

论文摘要

空间负荷预测有两个显著特点：一是不确定的相关因素较多,二是涵盖地理实体的时间、空间和属性特征,而元胞自动机在模拟空间复杂系统的时空动态演化方面具有很强的能力,云理论则能充分表达概念的不确定性。利用这些特性,本文提出一种基于云理论和元胞自动机理论的电力负荷空间分布预测模型,用以模拟小区用地类型在规划水平年内的发展演化。元胞自动机的核心内容是转换规则的获取,本文应用云理论训练CA转换规则,综合考虑多种影响负荷发展的因素,制定了多种转换规则。针对各影响因素建立云模型及云不确定推理规则,将影响因素的模糊性和随机性融合在一起,充分表达了转换规则的不确定性。空间负荷预测的另一关键问题是负荷密度指标的选取。本文提出了基于区间层次分析法和TOPSIS方法的负荷指标优选模型。利用区间层次分析法计算各影响因素的综合权重排序,利用TOPSIS计算优选负荷指标的理想解,最后根据类内相似度方法进行修正,得到优选负荷指标。文章最后以某地区的实际数据对本文模型进行验证,结果表明该预测模型具有一定的精度和可靠性,在电力负荷空间分布预测中具有一定的优越性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 电力负荷空间分布预测的研究现状
• 1.3 本文主要研究内容
• 第2章 基于IAHP和TOPSIS方法的负荷指标优选模型
• 2.1 区间层次分析法简介
• 2.1.1 区间层次分析法的基本原理
• 2.1.2 区间层次分析法的应用
• 2.2 TOPSIS方法简介
• 2.2.1 TOPSIS方法的基本原理
• 2.2.2 负荷指标的修正
• 2.3 用电负荷指标评价模型
• 2.3.1 负荷指标评价模型的层次结构
• 2.3.2 负荷指标评价模型的计算步骤
• 2.3.3 负荷指标评价模型的流程图
• 2.4 本章小结
• 第3章 基于Cloud-CA理论的空间负荷预测模型
• 3.1 电力负荷预测的基本原理及要求
• 3.2 元胞自动机简介
• 3.2.1 元胞自动机的基本定义
• 3.2.2 元胞自动机的构成
• 3.2.3 元胞自动机的特点及应用
• 3.3 云理论简介
• 3.3.1 云理论的定义
• 3.3.2 云理论的基本原理
• 3.3.3 云理论的应用
• 3.4 电力负荷空间分布预测模型
• 3.4.1 Cloud-CA模型在空间负荷预测中的可用性
• 3.4.2 电力元胞的定义
• 3.4.3 基于云理论的CA转换规则
• 3.5 本章小结
• 第4章 电力负荷空间分布预测算法的实现
• 4.1 研究区域概述
• 4.2 空间信息的提取
• 4.3 元胞样本数据表的生成
• 4.4 算法实现及流程框图
• 4.5 算例分析
• 4.5.1 实验元胞的个数
• 4.5.2 转换规则的确定
• 4.5.3 试验结果分析
• 4.5.4 负荷密度指标的计算
• 4.5.5 地区负荷总量预测结果
• 4.6 本章小结
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文及参加的科研工作
• 致谢
• 附件