基于短期負荷預測技術的電能控制系統(tǒng)研究.pdf

1、針對國內外工業(yè)用電采用基礎電費和實際用電費用兩部制電價的情況，研究針對擁有多臺大功率電弧爐的高能耗冶金企業(yè)，通過對負荷進行均衡調節(jié)，降低最大負荷，從而降低基本電費的用戶需求側能量控制系統(tǒng)。短期負荷預測(ShortTimeLoadForecasting，STLF)算法是課題的核心研究內容。
　　 本文主要完成如下幾個方面的工作：
　　 對目前國內外同類技術研究動態(tài)進行分析，對主流短期負荷預測算法原理、方法和特點及存在的問題

2、進行探討。說明本研究工作的實際背景、必要性和重要意義。
　　 針對擁有多臺大功率電弧爐供電系統(tǒng)負荷波動大、負荷容量難以選取的問題，獨創(chuàng)性地提出一種基于閾交理論的負荷分析、計算新算法。該算法利用負荷中超閾值數(shù)據，采用方差分析方法構造一個閾值能量函數(shù)，獲得閾值選取的依據。推導出穿越強度的計算公式，利用供電系統(tǒng)瞬時功率對閾值的穿越強度考察己選閾值的合理性。
　　 依據歷史負荷數(shù)據，給出GM(1，1)模型最優(yōu)原始數(shù)據長度的確定方

3、法，利用殘差修正、等維新息等方法對預測結果進行修正。針對灰色理論、重建相空間G.P算法和人工神經網絡各自特點，獨立提出一種將上述算法模型相結合的短期負荷預測算法(G-G-NN)。該算法利用灰色預測的累加生成和重建相空間的G.P算法對原始時間序列進行變換，生成規(guī)律性較強的時間序列相空間，而后利用神經網絡模型進行預測。獲得比使用單一神經網絡模型更高的預測精度和更好的實時性。
　　 針對所研究系統(tǒng)短期負荷序列既有波動性又有特殊周期性的

4、特點，利用小波良好的時頻分析特性，將不同頻率混合信號分解成不同頻帶上的信號，在各個尺度空間上利用不同的神經網絡進行預測，而后進行重構完成預測。對利用不同小波函數(shù)進行預測的效果進行了比較和討論，實際算例表明該算法可進一步提高負荷預測的精度。
　　 提出一種聯(lián)合數(shù)據挖掘與支持向量機的短期負荷預測算法，該算法利用數(shù)據挖掘中聚類算法對原始數(shù)據進行初期處理，將海量輸入進行壓縮，取其聚類中心作為支持向量機預測模型的輸入特征，而后利用交叉驗證