基于粗糙集理论的电力短期负荷预测

论文摘要

随着我国电力事业的发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意，现在已经成为了现代电力系统运行研究中的重要课题之一。电力系统负荷预测的结果是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要依据。预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。本文首先对负荷的特性与分类进行了研究，指出负荷除了具有年周期、周周期和日周期性外，还受到多种外部因素的影响从而呈现出不同的特性，在此基础上分析了诸如温度，降雨量与节假曰等对负荷的影响特征及关系。其次，对于电力负荷预测中目前最常用的方法-人工神经网络进行了一些理论基础的介绍和探讨工作。重点介绍了BP网络在电力负荷预测中的实际应用，并深入研究了在实际的系统中BP网络所遇到的问题，并提出了一些改进措施。然后，针对采用神经网络进行电力系统短期负荷预测时其网络输入变量的选择是影响预测效果的关键，该文提出使用粗糙集理论来解决这一问题。在分析探讨了粗糙集基本理论的基础上，文章重点探讨了基于属性依赖度的属性约简算法，并将其用来挖掘与负荷最为相关的因素作为预测模型的输入，保证输入变量的合理性。最后，创建基于数据挖掘技术的负荷预测模型。文中以预测工作的各个环节为线索，将预测模型分为四个模块：数据预处理模块、样本选择模块、属性约简模块以及预测模块。从各个环节考虑影响负荷预测精度的因素，并加以解决。实例分析证明，本文所提出的负荷预测模型在一定程度上可以提高负荷预测的精度。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 本课题研究的意义及背景
• 1.2 目前国内外发展状况
• 1.2.1 时间序列法
• 1.2.2 回归模型法
• 1.2.3 神经网络法
• 1.2.4 灰色理论法
• 1.2.5 专家系统
• 1.2.6 模糊逻辑法
• 1.2.7 小波分析法
• 1.2.8 混沌分形理论
• 1.2.9 组合预测
• 1.3 本文的主要工作
• 2 电力负荷特性分析
• 2.1 负荷的组成
• 2.2 负荷的内部规律
• 2.2.1 电力负荷的周期性
• 2.2.2 电力负荷的连续性
• 2.3 负荷的外在特性
• 2.3.1 温度对负荷的影响
• 2.3.2 降雨量对负荷的影响
• 2.3.3 节假日对负荷的影响
• 2.4 小结
• 3 人工神经网络基础
• 3.1 人工神经网络概述
• 3.1.1 人工神经网络的发展及现状
• 3.1.2 人工神经网络的特点
• 3.1.3 神经网络在负荷预测中的应用
• 3.2 BP人工神经网络
• 3.2.1 BP人工神经网络模型
• 3.2.2 学习规则
• 3.2.3 BP人工神经网络的缺点及改进思路
• 3.3 小结
• 4 基于粗糙集的预测模型输入参数确定
• 4.1 粗糙集理论基础
• 4.1.1 信息系统
• 4.1.2 不可分辨关系
• 4.1.3 集合的近似
• 4.1.4 近似的度量
• 4.1.5 辨别矩阵和辨别函数
• 4.1.6 属性的约简和核
• 4.1.7 属性的相对约简
• 4.1.8 属性的依赖度和重要性
• 4.1.9 决策规则
• 4.2 基于属性依赖度的约简算法
• 4.3 对电力短期负荷预测模型输入参数的挖掘
• 4.3.1 初始信息表的建立
• 4.3.2 属性值离散化
• 4.3.3 影响因素约简
• 4.4 小结
• 5 基于数据挖掘的短期负荷预测模型及其算法
• 5.1 数据预处理模块
• 5.1.1 脏数据的辨识与修正
• 5.1.2 数据归一化
• 5.2 样本选择模块
• 5.3 属性约简模块
• 5.4 预测模块
• 5.4.1 神经网络结构的确定
• 5.4.2 神经网络的训练
• 5.4.3 预测结果及分析
• 5.5 小结
• 6 结论和展望
• 6.1 结论
• 6.2 不足
• 致谢
• 参考文献
• 附录