基于模糊识别和负荷特性的电力负荷超短期预测方法研究

论文摘要

随着我国电力工业的快速发展和电网规模的不断扩大,电网的结构和运行方式日益复杂。有效提高和保证电力系统的安全可靠性、供电质量以及运行的经济性已成为电力系统发展的重要目标,而负荷预测工作无疑是实现这些目标的基础。超短期负荷预测通常是指预测未来一小时内负荷的变化,其对电力系统的运行监视、安全控制、发用电调控及电力市场运行等都非常重要。提高其预测精度既能提高电力系统的运行安全性,又能改善电力系统运行的经济性。本文较为深入地研究分析了超短期负荷预测的各种常用方法的算法原理和适用环境,较为系统地阐述了超短期负荷预测的基本原理、影响因素、预测模型及基本过程。在此基础上,针对某省级电网负荷特性进行了详细分析,归纳出该省级电网负荷曲线常见模式分类,对负荷趋势进行了定义,并基于负荷趋势提出了一种新型超短期负荷预测法。结合模糊识别技术,本文进一步提出先利用负荷趋势法提取样本日负荷变化率(可理解为日负荷变化模式),然后对这些样本日负荷变化率曲线进行聚类。考虑到聚类过程中面向的负荷变化模式具有模糊性,很难用二值逻辑和精确数学来准确表述,正符合模糊理论(Fuzzy theory)精神,因而以模糊关系进行负荷变化模式聚类分析,即在超短期负荷预测中引入模糊聚类的经典方法模糊c均值聚类(FCM)法形成组合预测法,这将会较大程度地提高系统的柔性处理能力和预测精度。本文创新地提出了基于模糊识别和负荷特性的组合超短期负荷预测方法,其算法思想已成功应用于某省级电网超短期负荷预测功能模块。算例分析表明,该法预测准确度较高,且将伪数据的判别和加工修改融合在预测过程中,较大程度提高了算法效率。当然,这一研究还有若干问题有待进一步深入,以使其在理论和实践上得到发展、提高和完善。

论文目录

• 致谢
• 摘要
• Abstract
• 第一章 绪言
• 1.1 课题的目的和背景
• 1.2 超短期负荷预测的概述
• 1.3 国内外超短期负荷预测的发展与现状
• 1.3.1 传统预测方法
• 1.3.2 现代预测方法
• 1.3.3 综合预测方法
• 1.4 本文的主要工作
• 第二章 电力系统超短期负荷预测的基本概念和原理
• 2.1 负荷预测的基本原理及影响因素
• 2.1.1 负荷预测的基本原理
• 2.1.2 负荷预测的影响因素
• 2.2 负荷预测的基本模型
• 2.2.1 基本正常负荷分量
• 2.2.2 天气敏感负荷分量
• 2.2.3 特别事件分量
• 2.2.4 随机负荷分量
• 2.3 超短期负荷预测基本过程
• 2.4 负荷预测的误差分析
• 第三章 负荷特性分析和基于负荷趋势的超短期负荷预测方法研究
• 3.1 电力系统负荷特性分析
• 3.1.1 电力系统负荷的特点
• 3.1.2 电力系统负荷的分类
• 3.2 某省级电网负荷特性分析
• 3.2.1 负荷特性分析的研究内容
• 3.2.2 某省级电网典型日负荷曲线特性分析
• 3.2.3 某省级电网气温相关负荷曲线特性分析
• 3.3 基于负荷趋势的新型超短期负荷预测法
• 3.3.1 负荷趋势的定义
• 3.3.2 负荷趋势规律归纳
• 3.3.3 基于负荷趋势的超短期负荷预测法
• 第四章 超短期负荷预测中模糊识别技术的应用及其Matlab实现
• 4.1 模糊数学基础及其在负荷预测中的优势
• 4.1.1 模糊集合
• 4.1.2 模糊关系
• 4.1.3 语言变量
• 4.1.4 模糊规则库
• 4.1.5 模糊推理过程
• 4.2 模糊模式识别
• 4.2.1 模式和模式识别的定义
• 4.2.2 直接法——对个体的识别
• 4.2.3 间接法——对整体的识别
• 4.2.4 建立隶属函数的方法及贴近度
• 4.3 模糊C均值聚类算法
• 4.3.1 数据集的硬C划分空间和模糊C划分空间
• 4.3.2 硬C均值聚类算法的原理
• 4.3.3 模糊C均值聚类算法的原理
• 4.3.4 模糊C均值聚类算法存在的问题
• 4.4 模糊C均值聚类的Matlab实现
• 4.4.1 Matlab简介
• 4.4.2 MATLAB之FCM的源代码分析
• 4.4.3 MATLAB中FCM函数应用
• 4.5 基于模糊C均值聚类的超短期负荷特性分类
• 第五章 基于模糊识别和负荷特性的超短期负荷预测及其实现
• 5.1 基于模糊识别和负荷特性的组合预测方法及其误差分析
• 5.1.1 电网负荷趋势分析
• 5.1.2 组合预测法算法介绍
• 5.1.3 算例及误差分析
• 5.2 超短期负荷预测系统实现
• 5.2.1 系统基本情况
• 5.2.2 系统构成及接口设计
• 5.2.3 系统主要功能特点
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 作者简历