负荷预测中相似日的选择研究

论文摘要

电力系统短期负荷预测是电力系统调度、用电、规划等管理部门的重要工作。负荷预测水平直接影响电力系统的经济效益和社会效益。随着电力市场的发展,用电需求量急剧增加,短期负荷预测成为各个供电部门一个不可或缺的部分,合理地选择预测相似日是提高负荷预测综合预测模型预测效果的有效途径,传统依据人工经验选择相似日并不具备最好的预测效果,目前,国内外对该方面的研究报告还非常少,为了进一步提高负荷预测准确度,需要对负荷预测中相似日的选择进行研究。本文对负荷预测中相似日的选择作了初步的探讨。由于电力负荷受经济、气候、以及电力负荷自身状况等多种因素的影响,因此相似日的选择是一项十分复杂的工作。本文首先分析了电力系统负荷的构成,阐述了国内外短期电力负荷中相似日选择的基本方法,然后介绍了基于模糊聚类的带小波除噪的时间序列选择模型,并在此基础上对浙江某地区近两年来的负荷数据和气象进行统计分析,重点介绍了数据预处理的方法、相似日的选取和AGO模型在电力负荷相似日选择中的应用。文章最后给出了负荷预测中相似日选择系统的设计过程并验证了预测算法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景和意义
• 1.2 负荷预测中相似日的选择研究现状概述
• 1.2.1 由负荷数据进行相似日的选择
• 1.2.2 差异评价函数法
• 1.2.3 趋势相似度法
• 1.3 负荷预测中相似日选择的一般步骤
• 1.4 所做的主要工作
• 第二章 电力系统电力负荷特性分析
• 2.1 短期负荷特征
• 2.1.1 日负荷曲线与周类型的关系
• 2.1.2 寻找相似日的方法原理
• 2.1.3 方法流程图
• 2.1.4 软件系统结构和框架
• 2.2 电力负荷特性分析
• 2.3 负荷预测中相似日选择的主要问题
• 第三章 相似日选择研究中负荷数据的预处理
• 3.1 异常数据的识别和修正方法
• 3.1.1 异常数据的分类和特性
• 3.1.2 异常数据的识别和修正
• 3.2 小波变换
• 3.2.1 小波变换的定义
• 3.2.2 常用的小波函数
• 3.3 小波变换去噪原理
• 3.3.1 小波变换模极大值去噪
• 3.3.2 小波阈值去噪
• 3.4 实例分析
• 3.4.1 模极大值数据处理实例
• 3.4.2 阈值消噪处理实例
• 3.4.3 两种方法比较
• 第四章 模糊聚类与时间序列理论
• 4.1 HCM聚类分析原理
• 4.2 AGO回归算法
• 4.2.1 AGO原理
• 4.2.2 AGO回归算法
• 4.3 HCM-AGO的相似日选择模型
• 4.3.1 模糊聚类划分的依据
• 4.3.2 负荷预测中相似日的选择流程
• 第五章 电力负荷相似日选择的软件设计
• 5.1 需求调查与分析
• 5.1.1 系统需求分析
• 5.1.2 开发工具的选择
• 5.1.3 数据库和数据访问技术
• 5.2 模块设计及流程
• 5.2.1 数据库结构设计
• 5.2.2 系统结构及功能
• 5.3 软件测试
• 5.3.1 软件测试概述
• 5.3.2 测试实例
• 第六章 结论与展望
• 6.1 结论
• 6.2 有待研究的问题
• 参考文献
• 致谢
• 攻读硕士期间发表论文和科研成果