智能电网环境下的电力负荷预测

论文摘要

智能电网是未来电网的发展方向,以自愈、安全、发电资源兼容、电力用户交互、电力市场协调、资源优化高效、电能质量优质、信息系统集成为主要特点的智能电网的实现,离不开精确的负荷预测技术的支持。电力工业的发展一方面直接制约着国民经济和社会的发展,正确的电力负荷预测即可以为国民经济的发展提供充足的电力,也可以为电力系统自身的发展提供帮助,特别是对于电力系统规划而言,准确的负荷预测是整个规划工作的基础和前提。本文致力于在智能电网环境下对负荷信号进行负荷预测的同时,增加预测结果的可靠性。系统阐述了小波变换和神经网络的基本原理,聚类理论和智能电网的基本概念。小波变换采用离散平稳小波变换,平稳小波变换具冗余性和平移不变性的特点,在时-频变换的过程中,避免了抽样处理时信号失真的问题。使用小波变换对负荷信号的降噪处理,是能够在对信号分类处理的同时,不改变信号的走势。在对负荷信号小波分解之后,使用统计学的方法,用概率论的方法来剔除不良数据。在负荷预测这个步骤,使用小波聚类对数据进行负荷分类,再使用Elman神经网络算法进行预测。由于通信网络的复杂性,有可能引入不良数据的干扰,本文对处理这个问题对负荷预测的影响,采用自动的不良数据辨识方法,即使用统计学的数学方法来解决,这是本文的第一个创新点。对于智能电网中,AMI的主要作用是提供一个智能平台,通过这个平台精确掌握负荷节点的特性,主要方法是使用小波聚类算法来进行负荷分类。这样做的目的是因为对于工业用电、农业用电以及普通民用电来讲,其电力负荷预测的结果是不同的,对电力负荷的节点进行分类和分别预测,则会大大增强负荷预测结果的准确性和可靠性。这是本文的第二个创新点。这种方法远远优于畅通负荷预测智能掌握整体负荷预测,而不能考虑实际不同用电对负荷的不同需求。经过大量的仿真验证了本文算法的有效性和可靠性,结果表明,利用WNN对负荷信号进行多层信号分解,对具有周期性的分量进行预测,结果是准确和可靠的,并且在负荷预测过程中,基于智能电网高级测量体系提供的海量数据支持,利用小波聚类方法,对负荷进行分类,为精准的负荷预测技术提供支持。这种方法是AMI负荷预测的可行性方法和发展方向之一。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究意义
• 1.2 国内外研究现状
• 1.3 现有方法存在的问题
• 1.3.1 传统负荷预测方法
• 1.3.2 现代负荷预测方法
• 1.4 本文的研究重点
• 1.5 论文的主要内容及安排
• 第2章 小波-神经网络负荷预测
• 2.1 小波变换预测方法
• 2.1.1 连续小波变换、离散小波变换和平稳小波变换
• 2.1.2 小波多分辨分析（MRA）与Mallat算法
• 2.2 ELMAN神经网络预测方法
• 2.2.1 人工神经网络的发展及现状
• 2.2.2 Elman神经网络结构与算法
• 2.4 小结
• 第3章 基于平稳小波去除不良数据的负荷预测
• 3.1 引言
• 3.2 模型框架
• 3.3 平稳小波去除电力负荷不良数据
• 3.3.1 电力负荷数据分析
• 3.3.2 平稳小波分解
• 3.3.3 不良数据去除
• 3.3.4 不良数据去除的算例分析
• 3.4 基于ELMAN神经网络负荷预测
• 3.4.1 Elman神经网络负荷预测模型
• 3.4.2 隐含层神经元个数的确定
• 3.4.3 结果分析
• 3.5 小结
• 第4章 智能电网下基于AMI平台的电力负荷预测分类
• 4.1 引言
• 4.2 智能电网环境下负荷分析
• 4.2.1 分布式电源对负荷的影响
• 4.2.2 需求侧管理对负荷的影响
• 4.2.3 储能技术的发展对负荷的影响
• 4.3 智能电网下的高级测量体系
• 4.3.1 高级测量体系
• 4.3.2 智能电表
• 4.3.3 通信系统
• 4.3.4 计量数据管理系统（MDMS）
• 4.3.5 家庭网络（HAN）
• 4.4 基于AMI的电力负荷预测分类
• 4.4.1 智能电网与负荷预测
• 4.4.2 电力负荷小波聚类技术
• 4.4.3 基于AMI平台的电力负荷分类
• 4.5 小结
• 结束语
• 致谢
• 参考文献
• 攻读学位期间发表的学术论文