论文部分内容阅读
电力工业是国家在能源领域的重大基础性行业,更是国民经济的命脉。随着我国经济的不断发展,我国电力建设也不断加强。据统计:截至2012年,我国年用电量已经达到了 49.571亿千瓦时;基础建设中,增加的发电设备容量超过8.700万千瓦;同时还伴随有新能源发电技术的使用和充电汽车等新负载的加入。所以,在电网的不断建设过程中,电力系统负荷的变化也越加复杂,准确的负荷预测变得极为困难。虽然负荷预测的难度不断加大,但是准确的短期负荷预测,对于制定良好的发、送电计划、降低电力存储容量、避免重大事故、保障生产和生活的安全、节约经济以及提高社会效益等方面具有十分重要的意义。因此,实现短期负荷的精确预测被提到更为重要的地位。综上,本文以短期负荷预测为课题,主要做了以下几点研究工作和创新:1.由于负荷序列是一种随机和波动的时间序列,所以本文通过经验模态分解(Empirical Mode Decomposition,EMD)对其进行不同尺度的平稳化分解。分解后的序列在不同尺度下的变化特征较为明显,从而可以通过分析不同尺度下的序列特征来确定预测模型的不同输入向量和模型的内部参数,提高最终预测值的精度。2.为了提高支持向量机(Support Vector Machine,SVM)的预测精度,必须解决好SVM的内部参数选择问题。对此,本文提出利用蝙蝠算法(Bat Algorithm,BA)来优化SVM的主要参数,进而构建BA-SVM模型。同时,为进一步提高SVM的预测精度,本文引入了卡尔曼滤波算法(Kalman Filter Algorithm,KF)。利用KF的状态空间模型和最小均方差估计的运算原则,把SVM预测值作为KF的观测值来修正SVM预测值,建立KF-BA-SVM组合预测模型。3.针对现有短期负荷预测在相似日选取上存在的缺陷,提出模糊组合权重的相似日选取方案,并结合EMD和KF-BA-SVM,建立模糊组合权重重构分解理论的短期负荷预测模型。首先,分析本文实验地区的负荷变化特征和影响本地区负荷变化的主要因素,根据分析结果对本地区的负荷特性及影响负荷的主要因素进行模糊量化;其次,对不同因素分别利用熵权法和加权欧式距离的k-均值聚类算法,确定影响负荷变化因素的“客观权重值”和负荷变化特性的“主观权重值”;最后,根据两者集合的交集确定最终相似日,建立模糊组合权重重构分解理论的短期负荷预测模型,并通过实例验证了该模型的可靠性。4.通过VB和MATLAB进行混合编程,实现短期电力负荷预测软件的初步设计。