基于云計算的組合短期負荷預測方法研究.pdf

1、近年來，隨著計算機技術普遍應用，智能電網(wǎng)迅速發(fā)展。電力部門工作人員為保證系統(tǒng)安全、經(jīng)濟的運行，對短期負荷預測結果的穩(wěn)定性、準確性、高效性提出了更高的要求。目前短期負荷預測的研究方向主要集中在對預測模型的整體優(yōu)化上，這在一定程度上提高了負荷預測的工作速度和計算精度。但是這些預測方法大多建立在對影響因素的整體分析之上，對各個因素的自身特性考慮的不夠全面，導致預測模型的準確性難以進一步提高，通用性較差。本文根據(jù)各個影響因素相關性的不同，對具有

2、更高預測效率的組合預測模型進行了相關研究。
　　首先，本文分析了短期負荷預測的實際應用背景，對當前該領域內(nèi)的國內(nèi)外研究現(xiàn)狀進行了歸納總結，在充分對比多種傳統(tǒng)智能預測算法的優(yōu)缺點之后，對未來短期負荷預測的研究重點進行分析。本次選用浙江省某地區(qū)的歷史數(shù)據(jù)作為訓練樣本和預測樣本，對預測地區(qū)的負荷特性、經(jīng)濟特性、氣象因素等進行了深入分析，針對原始數(shù)據(jù)自身存在的不足，對其進行數(shù)據(jù)預處理，采用雙向比較法篩選修復問題數(shù)據(jù)，增強了預測結果的可靠性

3、和準確性。
　　其次，為了對預測過程進行精細化研究，本文對影響負荷大小的各個因素進行了確定性相關的分類，利用細菌覓食算法優(yōu)化極限學習機預測模型對確定性相關影響因素負荷進行預測，利用云模型優(yōu)化核極限學習機預測模型對非確定性相關影響因素負荷進行預測，通過對兩種預測模型的預測結果加權求和，得到最終的負荷大小。
　　最后，由于該組合預測模型運算復雜，大大增加了運算的難度，為了解決單機計算資源不足的問題，本文引入云計算對組合預測模型進