电网短期母线负荷数据预处理及预测模型研究

论文摘要

短期母线负荷预测是电网安全预警和经济分析的基础,其预测模型的通用性、预测精度和预测速度是研究的重点。论文从负荷特性分类、样本数据预处理和预测算法这三个方面进行了研究。首先提出了一种基于灰色关联度矩阵的母线负荷特性分类方法,为选择预测模型和提高预测速度及精度奠定基础；然后针对母线负荷序列中三类典型异常数据,提出了一种基于改进的数据横向比较法和小波阀值去噪法的样本数据综合预处理方法,实例证明了此方法的有效性；最后提出了一种基于最小二乘支持向量机(LSSVM)和马尔可夫链的短期母线负荷预测方法,并提出一种广义网格搜索算法对LSSVM模型参数进行优化,实例证明所提预测方法能够达到

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景及其意义
• 1.2 国内外研究现状
• 1.2.1 国外现状
• 1.2.2 国内现状
• 1.3 目前存在的主要问题
• 1.4 本文的主要工作内容
• 第二章 短期母线负荷预测概述
• 2.1 母线负荷的定义
• 2.2 母线负荷的构成特点
• 2.3 母线负荷的一般特性
• 2.4 短期母线负荷预测流程
• 2.5 短期母线负荷预测考核指标
• 第三章 基于灰色关联度矩阵的母线负荷特性分类方法
• 3.1 母线负荷特性分类的必要性
• 3.2 基于灰色关联度矩阵的母线负荷特性分类方法
• 3.2.1 特征向量
• 3.2.2 灰色关联度矩阵聚类方法
• 3.2.3 全网母线负荷特性分类流程框图
• 3.3 本章小结
• 第四章 短期母线负荷预测样本数据综合预处理
• 4.1 短期母线负荷预测样本数据预处理的必要性
• 4.2 数据处理技术现状
• 4.2.1 传统的数据处理技术
• 4.2.2 新兴处理方法
• 4.2.3 各种数据处理方法的优缺点比较
• 4.3 基于改进数据横向比较法的母线负荷数据预处理
• 4.3.1 传统的数据横向比较法
• 4.3.2 改进的数据横向比较法
• 4.4 基于小波阀值去噪的母线负荷数据预处理
• 4.4.1 小波阀值去噪法的概念与流程
• 4.4.2 小波分解
• 4.4.3 阀值门限的选取
• 4.4.4 阀值去噪函数
• 4.4.5 小波重构
• 4.5 短期母线负荷预测样本数据综合预处理方法的具体步骤
• 4.6 本章小结
• 第五章 基于LSSVM和马尔可夫链的短期母线负荷组合预测
• 5.1 常用短期负荷预测方法的优缺点
• 5.1.1 回归分析法
• 5.1.2 指数平滑法
• 5.1.3 时间序列方法
• 5.1.4 灰色模型法
• 5.1.5 卡尔曼滤波法
• 5.1.6 趋势外推法
• 5.1.7 马尔可夫预测模型
• 5.1.8 专家系统法
• 5.1.9 模糊预测技术
• 5.1.10 小波分析法
• 5.1.11 神经网络方法
• 5.1.12 相空间重构法
• 5.1.13 支持向量机
• 5.1.14 组合预测法
• 5.2 基于LSSVM的短期母线负荷预测
• 5.2.1 LSSVM理论
• 5.2.2 输入变量的选取
• 5.2.3 核函数的选取
• 5.2.4 模型参数的广义网格搜索算法
• 5.3 基于马尔可夫链的误差修正方法
• 5.3.1 马尔可夫链理论
• 5.3.2 基于马尔可夫链的误差修正步骤
• 5.4 基于LSSVM和马尔可夫链的短期母线负荷预测流程框图
• 5.5 本章小结
• 第六章 实例分析
• 6.1 短期母线负荷预测样本数据综合预处理
• 6.1.1 改进的数据横向比较法
• 6.1.2 小波阀值去噪法
• 6.1.3 短期母线负荷预测样本数据综合预处理
• 6.2 基于LSSVM和马尔可夫链的短期母线负荷组合预测
• 6.3 本章小结
• 第七章 结论与展望
• 7.1 主要成果及结论
• 7.2 有待进一步研究的内容
• 参考文献
• 致谢
• 在校期间发表的学术论文和参加科研情况