配電網(wǎng)規(guī)劃中電力需求預測方法的研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、電力需求預測是配電網(wǎng)規(guī)劃的前提和基礎(chǔ),其精度的高低直接關(guān)系到規(guī)劃方案的質(zhì)量和配電網(wǎng)的安全可靠經(jīng)濟運行。同時,它也是實現(xiàn)電力系統(tǒng)現(xiàn)代化運行和管理的重要內(nèi)容之一。配電網(wǎng)規(guī)劃既要預測未來負荷的總量,又要預測未來負荷位置的分布,即總量負荷預測和空間負荷預測,它們對合理地進行配電網(wǎng)規(guī)劃有著重要的指導意義。
  本文在分析了各種配電網(wǎng)總量負荷預測方法的基礎(chǔ)上,考慮到多元線性回歸模型在樣本個數(shù)較少及自變量系統(tǒng)存在多重相關(guān)性的情況下難以有效地對年

2、用電量進行預測,以及各歷史樣本在建立適用于預測對象的模型時處于不同的地位應(yīng)分配不同的權(quán)值,提出一種基于加權(quán)偏最小二乘回歸(WPLSR)的年用電量預測方法。利用相似離度計算歷史樣本與預測對象的相似度,判定樣本是否含有異常值,并自適應(yīng)地為歷史樣本分配權(quán)值,進而采用偏最小二乘回歸提取主成分和回歸分析。通過引入樣本相似離度的計算,實現(xiàn)了樣本異常值的檢測及加權(quán)預測,避免了傳統(tǒng)偏最小二乘回歸將壞樣本和好樣本一視同仁的情況。通過一個實例驗證了該方法的

3、可靠性和有效性。
  本文在分析了各種配電網(wǎng)空間負荷預測方法的基礎(chǔ)上,針對采用經(jīng)驗法或簡單類比法求取負荷密度指標時難以達到精度要求等不足,提出一種基于灰色關(guān)聯(lián)度及最小二乘支持向量機(GRA-LSSVM)負荷密度法的空間負荷預測方法。首先建立較為精細的負荷密度指標體系,利用灰色關(guān)聯(lián)度分析選擇體系中與預測樣本特征更為相似的樣本集進行訓練,進而采用混沌粒子群算法自適應(yīng)優(yōu)化LSSVM的模型參數(shù)進行預測。通過引入灰色關(guān)聯(lián)度分析和混沌粒子群算

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論