微网短期负荷预测中的白噪声分离

论文摘要

微网短期负荷预测对微网系统安全、经济的运行有重要的意义。微网短期负荷预测中,白噪声的存在导致了预测的准确率上限。如何从微网短期负荷序列中识别并分离白噪声,是尚未解决的难题。准确的分离白噪声,可以确定比较优化的预测模型与方法,确定组合预测模型的数目,得出概率化预测结果,对于微网短期负荷预测具有十分重要的意义。本文具体研究内容和结果如下:(1)采用Matlab进行了四种小波函数、软硬阈值函数下小波阈值去噪数值实验,验证了小波去噪与时间序列分析中的平滑法有相似之处,四种小波去噪效果的优劣与移动平均法和指数平滑法(接近于正态的)的好坏有某种对应关系,并从理论上推断构造更好的平滑系数的可能性。(2)采用解析形式探索了功率谱分离白噪声的可能性,并对AR(1)序列、AR(2)序列进行去噪研究。小波去噪和差分去噪按频率划分信号与噪声,对于低频信号高频噪声序列去噪有效,而功率谱去噪按幅值划分信号与噪声,对于序列是低频噪声高频信号的情形仍有效。在信号和噪声在频率域上不存在相互抵消的情况下,功率谱分离噪声方差效果显著。(3)在Smith和Wallis对预测之谜给出的经验解释的基础上,采用数理统计学进行了理论解释,研究了样本容量对组合权重的影响。(4)采用差分法和小波对eunite原始负荷序列的48个抽样序列进行去噪研究,发现差分法去噪对低频信号高频噪声序列的效果要优于小波去噪,验证抽样序列方差比原序列方差大。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 微网短期负荷预测噪声分离的意义
• 1.2.1 微网短期负荷预测研究的意义
• 1.2.2 白噪声分离研究的意义
• 1.3 国内外研究现状分析
• 1.3.1 微网负荷预测方面
• 1.3.2 现有负荷预测思路方面
• 1.4 本文的主要工作
• 第二章 微网短期负荷预测研究的理论基础
• 2.1 小波阈值去噪理论概述
• 2.1.1 小波变换概述
• 2.1.2 小波阈值去噪
• 2.1.3 小波母函数选取
• 2.2 频谱分析
• 第三章 功率谱分离白噪声研究
• 3.1 功率谱分离白噪声理论研究
• 3.2 功率谱噪声分离数值实验研究
• 3.2.1 功率谱处理AR（1）时间序列
• 3.2.2 功率谱处理AR（2）时间序列
• 3.2.3 结果分析
• 第四章 小波阈值白噪声分离数值实验研究
• 4.1 实验研究的基本思路
• 4.2 小波阈值去噪性能研究
• 4.2.1 用小波去噪处理白噪声数值实验
• 4.2.2 数值实验结果分析
• 第五章 负荷时间序列预测中抽样序列白噪声分离
• 5.1 样本容量对组合预测的影响
• 5.1.1 组合预测之谜
• 5.1.2 数理统计分析
• 5.2 抽样序列中噪声分离
• 第六章 总结与展望
• 6.1 总结与成果
• 6.2 展望
• 参考文献
• 发表论文和科研情况说明
• 致谢