數(shù)據(jù)挖掘在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)智能化建模中的應(yīng)用研究.pdf

1、負(fù)荷預(yù)測(cè)是電力系統(tǒng)的一項(xiàng)基本工作,在整個(gè)經(jīng)濟(jì)運(yùn)行中占有重要地位.可靠的負(fù)荷預(yù)測(cè)不僅對(duì)系統(tǒng)規(guī)劃非常重要,在電力的市場(chǎng)化趨勢(shì)下,它還直接帶來(lái)可觀(guān)的經(jīng)濟(jì)效益.近二十年來(lái),國(guó)內(nèi)外大量的專(zhuān)家學(xué)者對(duì)負(fù)荷預(yù)測(cè)技術(shù)進(jìn)行了卓有成效的理論研究和應(yīng)用實(shí)踐.但是,從公開(kāi)的文獻(xiàn)來(lái)看,這項(xiàng)技術(shù)的重點(diǎn)主要集中在模型和算法設(shè)計(jì)上,對(duì)負(fù)荷影響因素的分析卻比較籠統(tǒng).事實(shí)上,如果影響因素沒(méi)有分析正確,要得到準(zhǔn)確的負(fù)荷預(yù)測(cè)是相當(dāng)困難的.本文認(rèn)為,要進(jìn)行準(zhǔn)確的負(fù)荷預(yù)測(cè),必須對(duì)歷

2、史數(shù)據(jù)進(jìn)行深入分析,由于數(shù)據(jù)挖掘技術(shù)具有從海量信息中挖掘知識(shí)的能力,因此在負(fù)荷預(yù)測(cè)中引入了數(shù)據(jù)挖掘理論,以期建立智能化的預(yù)測(cè)模型.通過(guò)制定各種數(shù)據(jù)挖掘元模式,指導(dǎo)數(shù)據(jù)挖掘引擎對(duì)歷史數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行挖掘,來(lái)發(fā)現(xiàn)有用的知識(shí).這些知識(shí)包括影響負(fù)荷變化的因素、因素變化時(shí)負(fù)荷變化的規(guī)律、與預(yù)測(cè)日輸入信息最適合的訓(xùn)練樣本及預(yù)測(cè)樣本等.此外,本文將用于數(shù)據(jù)挖掘和預(yù)測(cè)的模型算法提取出來(lái)單獨(dú)組建模型算法庫(kù),提出了模型算法分離的思路,以期使模型和算法的組合具有

3、更大的靈活性,提高效率和節(jié)省資源.在預(yù)測(cè)模式和模型算法的選擇上,本文也提出了一種新的策略,運(yùn)用不同預(yù)測(cè)模式下,各種模型算法組合的歷史測(cè)試記錄和預(yù)測(cè)記錄,為預(yù)測(cè)模式和模型算法的選擇提供參考.在具體的模型算法設(shè)計(jì)上,論文的主要工作可以概述為:針對(duì)傳統(tǒng)K均值聚類(lèi)算法的不足,提出了一種新的聚類(lèi)算法——逐級(jí)均值聚類(lèi)算法,解決了傳統(tǒng)聚類(lèi)算法解的局部最優(yōu)性問(wèn)題和如何確定聚類(lèi)數(shù)目的問(wèn)題.在應(yīng)用該算法確定RBF模型隱含層的中心向量時(shí),同時(shí)確定了隱含層的節(jié)