版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、智能電網(wǎng)是未來電網(wǎng)的發(fā)展趨勢,各行業(yè)對電力的依賴增強,對供電可靠性及電能質(zhì)量的要求日益提高,以高效、清潔、安全、可靠、交互為主要特點的智能電網(wǎng)的實現(xiàn),離不開精確的負(fù)荷預(yù)測技術(shù)的支持。同時,我國積極推進電力體制改革,重點任務(wù)就包括有序推進電價改革,理順電價形成機制;推進電力交易體制改革,完善市場化交易機制;建立相對獨立的電力交易機構(gòu),形成公平規(guī)范的市場交易平臺。逐漸形成的電力市場需求響應(yīng)將給傳統(tǒng)用電模式帶來重大變化,用戶可以根據(jù)電能需求結(jié)
2、合實時電價調(diào)整用電模式,這使得負(fù)荷預(yù)測變得更加復(fù)雜。目前國內(nèi)針對智能電網(wǎng)需求響應(yīng)環(huán)境下的負(fù)荷預(yù)測取得一定的研究成果,隨著電力市場逐步開放,對復(fù)雜需求響應(yīng)環(huán)境下的負(fù)荷預(yù)測方法研究具有重要的意義。
本文以智能電網(wǎng)需求響應(yīng)環(huán)境下電力市場負(fù)荷預(yù)測為研究對象,對電力市場售電側(cè)、需求側(cè)之間的關(guān)系進行了討論,以探宄更高精度的負(fù)荷預(yù)測方法。主要內(nèi)容如下:
首先,通過相似日負(fù)荷序列局部形相似計算,選取樣本數(shù)據(jù)。考慮到預(yù)測時刻負(fù)荷和前面
3、若干時刻負(fù)荷的內(nèi)在規(guī)律,以及負(fù)荷曲線的總體相似與局部相似間的差異,將負(fù)荷曲線形系數(shù)(負(fù)荷序列形狀相似程度的指標(biāo))引入預(yù)測樣本的選擇中,完成預(yù)測樣本的提取,能夠減少訓(xùn)練數(shù)據(jù),大大提高預(yù)測速度和預(yù)測性能。
其次,采用多輸入雙輸出的最小二乘支持向量機(LS-SVM),對負(fù)荷和價格進行同時預(yù)測,得到初步預(yù)測結(jié)果。
然后,考慮需求響應(yīng)條件下實時電價與負(fù)荷之間的相互影響,采用基于數(shù)據(jù)挖掘技術(shù)的模糊循環(huán)推理系統(tǒng)模擬人的思維過程,通
4、過挖掘電價變化量、負(fù)荷變化量等變量之間的關(guān)聯(lián)規(guī)則,模擬電價與負(fù)荷預(yù)測之間存在博弈過程。
最后,對多變量最小二乘支持向量機的初步預(yù)測結(jié)果進行循環(huán)修改,直至負(fù)荷和電價預(yù)測結(jié)果趨于穩(wěn)定。多變量最小二乘支持向量機不存在容易陷入局部最優(yōu)等問題,并且有良好的泛化能力,基于改進的模糊關(guān)聯(lián)規(guī)則挖掘算法具有良好的完備性和魯棒性,模糊控制器對循環(huán)預(yù)測的控制能夠逼近現(xiàn)實環(huán)境的各種可能情況,修正負(fù)荷預(yù)測結(jié)果。針對某電網(wǎng)的實際預(yù)測結(jié)果表明,該方法具有較
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多核模糊LS-SVM的廣義預(yù)測控制.pdf
- 基于人工蜂群優(yōu)化LS-SVM短期負(fù)荷預(yù)測研究.pdf
- 基于人工魚群的LS-SVM在短期負(fù)荷預(yù)測中的應(yīng)用.pdf
- 基于K-means聚類的LS-SVM短期負(fù)荷預(yù)測方法研究.pdf
- 基于EEMD和模糊LS-SVM的人體動作識別研究.pdf
- 多變量質(zhì)量診斷方法研究——基于LS-SVM殘差控制圖的質(zhì)量診斷方法.pdf
- LS-SVM無軸承異步電機多變量非線性解耦控制研究.pdf
- 基于LS-SVM的軸承故障趨勢預(yù)測方法研究.pdf
- 基于LS-SVM和COM技術(shù)的作物需水量預(yù)測系統(tǒng)研究.pdf
- 基于LS-SVM的非線性預(yù)測控制研究.pdf
- 基于LS-SVM的入侵檢測.pdf
- 基于LS-SVM的再熱汽溫系統(tǒng)建模及趨勢預(yù)測.pdf
- 基于LS-SVM模型的證券價格可預(yù)測性研究.pdf
- 基于LS-SVM的半圓拱形巷道無線信道建模與預(yù)測.pdf
- 基于LS-SVM的圍巖位移非線性預(yù)測應(yīng)用研究.pdf
- 基于LS-SVM的多標(biāo)簽分類算法.pdf
- 基于LS-SVM的fMRI數(shù)據(jù)分析.pdf
- 基于LS-SVM在線模型的非線性預(yù)測控制研究.pdf
- 基于LS-SVM的時間序列預(yù)測方法及其應(yīng)用研究.pdf
- 基于LS-SVM對耐高溫濾料過濾效率的預(yù)測研究.pdf
評論
0/150
提交評論