基于经验模态分解的短期电力负荷预测

论文摘要

实现电力系统安全、经济运行的基础是电力系统负荷预测。对于一个电力系统而言,负荷预测对提高电网运行的安全性和经济性,以及改善电能质量都起着至关重要的作用。如何选取合适的预测方法是电力负荷预测的核心问题,也就是如何建立适用于所研究地区的负荷预测数学模型。伴随着现代科学技术的飞速发展,电力负荷预测的研究方法也在不断变化,新思想新算法层出不穷,从经典的统计分析方法到现代的智能算法,使负荷预测精度得到了大大提高。然而,由于短期电力负荷预测问题的复杂性,这些方法又不可避免的表现出一定的局限性。经验模态分解(EMD)法是一种新的信号分析方法。经过十多年的发展,该方法的理论研究价值和广阔的应用前景已逐渐被人们所认可,它处理非平稳信号的能力更是被人们所重视。本论文对信号的瞬时频率、特征时间尺度以及本征模函数的基本概念做了详细介绍,并重点研究了EMD的分解原理和算法。在对目前常用的短期电力负荷预测方法进行对比研究后,本论文提出了一种进行短期电力负荷预测的新方法。针对负荷序列的周期性、随机性、不平稳等特点,先将负荷序列进行经验模态分解(EMD),再根据每个分量(IMF)的不同特点,利用MATLAB7.0的系统辨识工具箱对每个IMF分量进行模型的选定(AR模型、MA模型、ARMA模型)、模型定阶、并实现预报,最后将预测值重构,得到最终的预测值。以欧洲智能技术网络(EUNITE)竞赛数据进行仿真,结果表明,该方法具有较高的预测精度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究的目的和意义
• 1.1.1 电力负荷预测
• 1.1.2 经验模态分解
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 1.4 本章小结
• 第2章 经验模态分解法的基本理论
• 2.1 经验模态分解法的基本概念
• 2.1.1 瞬时频率
• 2.1.2 本征模函数
• 2.1.3 特征时间尺度
• 2.2 经验模态分解法的基本原理
• 2.2.1 经验模态分解的原理
• 2.2.2 经验模态分解的完备性和正交性
• 2.2.3 经验模态分解中应注意的问题
• 2.3 经验模态分解法的实例分析
• 2.4 本章小结
• 第3章 短期电力负荷预测的常用方法
• 3.1 经典预测方法
• 3.2 传统预测方法
• 3.2.1 回归分析法
• 3.2.2 时间序列预测法
• 3.2.3 趋势外推预测法
• 3.2.4 频域分量预测法
• 3.3 现代预测方法
• 3.3.1 混沌理论预测法
• 3.3.2 人工神经网络预测法
• 3.3.3 支持向量机预测法
• 3.3.4 灰色模型预测法
• 3.3.5 模糊预测法
• 3.4 组合预测方法
• 3.5 本章小结
• 第4章 基于经验模态分解的短期负荷预测
• 4.1 数据预处理
• 4.2 经验模态分解
• 4.3 模型参数识别
• 4.4 诊断检验
• 4.5 预测结果及分析
• 4.6 本章小结
• 第5章 结论与展望
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 攻读硕士学位期间参加的科研工作
• 致谢
• 作者简介