知识库在短期电力负荷预测中的应用研究

论文摘要

电力负荷预测中非正常日的负荷预测是提高整体预测精度的关键。本文提出了一种基于知识库技术的新型短期负荷预测方法。首先,利用小波坏数据检测原理和软阈值细节消噪法对原始负荷中的坏数据进行预处理。其次,将处理后的负荷数据及其影响因素按照事例推理的表示方法组织成事例型知识库;利用k-最近邻法检索出与待测事例属性相近的相似事例,其中,采用基于粗糙集的权值确定法来确定负荷事例影响因素的属性权值;在事例精简过程中,利用信息熵与主成分分析法联合对相似事例的负荷数据冗余进行约简;利用得到的相似事例的负荷数据对基于动态数值优化算法的BP神经网络进行训练学习;针对非正常日,采用基于决策树的数据挖掘技术构造出修正模型以便进一步修正预测;最后,预测结果按照事例表示方法作为更新资源存储于知识库中;利用本文方法对实际的地区电网进行了测试,结果表明,该方法对于非正常日的负荷预测具有较高的预测精度和较强的适应能力。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及其意义
• 1.2 国内外负荷预测的研究现状
• 1.2.1 经典预测方法
• 1.2.2 现代预测方法
• 1.3 本论文的主要工作
• 第二章 电力负荷的特性分析
• 2.1 负荷的自身特征
• 2.2 负荷与非负荷因素之间的关系
• 2.3 本章小结
• 第三章 电力负荷数据的预处理
• 3.1 电力负荷中异常数据的处理
• 3.1.1 利用小波坏数据检测消除冲击负荷
• 3.1.2 软阈值细节消噪法消除随机干扰
• 3.2 本章小结
• 第四章 事例推理概述
• 4.1 事例推理的基本概念
• 4.2 事例的获取与表示
• 4.2.1 事例的获取
• 4.2.2 知识的表示
• 4.3 事例推理的组织结构
• 4.4 事例检索
• 4.4.1 检索过程
• 4.4.2 检索算法
• 4.5 基于事例推理的特点和意义
• 4.5.1 与其它问题求解方法的比较
• 4.5.2 基于事例推理的特点
• 4.5.3 应用基于事例推理的意义
• 4.6 本章小结
• 第五章 基于知识库的短期负荷预测方法
• 5.1 基于事例推理预测模型的构建
• 5.1.1 混合事例推理的过程
• 5.1.2 负荷事例的表示方法
• 5.1.3 事例检索
• 5.1.4 事例精简
• 5.1.5 事例重用
• 5.1.6 事例修正
• 5.1.7 事例存储
• 5.2 基于决策树知识库的负荷预测修正模型
• 5.2.1 决策树的基本概念
• 5.2.2 经验引导下的数据挖掘
• 5.2.3 修正决策
• 5.2.4 几种典型非正常因素影响下的修正模型的建模
• 5.2.5 负荷的综合修正方法
• 5.3 基于知识库的负荷预测模型性能分析
• 5.3.1 不同日期负荷预测实例
• 5.3.2 本系统方法与其他方法日负荷预测的比较
• 5.4 本章小结
• 第六章 结论与展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况