資源描述：
《基于hht的短期電力負(fù)荷預(yù)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchonShort·—termPowerLoadForecastingBasedonHHTByQianDingSupervisor：Prof．XiaohuiLiaoElectricalPowerSystemsandItsAutomationSchoolofElectricalEngineering一May,2014學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成
2、果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。學(xué)位論文作者：丁債日期：為J夠年’月孑D日學(xué)位論文使用授權(quán)聲明本人在導(dǎo)師指導(dǎo)下完成的論文及相關(guān)的職務(wù)作品，知識(shí)產(chǎn)權(quán)歸屬鄭州大學(xué)。根據(jù)鄭州大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留或向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱；本人授權(quán)鄭州大學(xué)可以將本學(xué)位論文的全部或部分編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或者其他復(fù)制手段
3、保存論文和匯編本學(xué)位論文。本人離校后發(fā)表、使用學(xué)位論文或與該學(xué)位論文直接相關(guān)的學(xué)術(shù)論文或成果時(shí)，第一署名單位仍然為鄭州大學(xué)。保密論文在解密后應(yīng)遵守此規(guī)定。學(xué)位論文作者：j橢日期：為J艫年3-月；0日摘要短期電力負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)的經(jīng)濟(jì)調(diào)度、實(shí)時(shí)控制、運(yùn)行計(jì)劃和發(fā)展規(guī)劃等有重要的意義，有利于提高發(fā)電設(shè)備的利用率和經(jīng)濟(jì)調(diào)度的有效性。隨著電力工業(yè)的重要性的提高，以及電力市場(chǎng)改革的深入和競(jìng)爭(zhēng)機(jī)制的引入，短期負(fù)荷預(yù)測(cè)的精度得到了越來(lái)越多的關(guān)注。Hilbert．Huang變換(Hilbert．HuangTransf01Tn，HHT)適合處理非
4、線(xiàn)性、非平穩(wěn)信號(hào)，能夠得到信號(hào)的時(shí)頻分布特征，具有完全的白適應(yīng)性。在電力系統(tǒng)領(lǐng)域中，HHT已經(jīng)廣泛應(yīng)用于電能質(zhì)量檢測(cè)、諧波分析等方面，并取得了很好地效果。本文首先介紹了電力系統(tǒng)各主要用戶(hù)的用電特點(diǎn)、影響短期電力負(fù)荷的主要因素和常用的預(yù)測(cè)誤差分析統(tǒng)計(jì)指標(biāo)，并對(duì)人工神經(jīng)網(wǎng)絡(luò)、最小二乘支持向量機(jī)等方法進(jìn)行了深入分析。針對(duì)HHT算法中存在的端點(diǎn)效應(yīng)的問(wèn)題，本文采用BP神經(jīng)網(wǎng)絡(luò)延拓法來(lái)抑制。在進(jìn)行負(fù)荷預(yù)測(cè)之前，首先對(duì)原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)溫度、天氣類(lèi)型、日期類(lèi)型進(jìn)行量化處理，然后通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalModeDecomp
5、osition，EMD)，將負(fù)荷序列分解成不同頻率的固有模態(tài)函數(shù)(IntrinsicModeFunction，IMF)，然后進(jìn)行Hilbert變換(HilbertTransform)，得到各IMF分量的平均瞬時(shí)頻率，根據(jù)各IMF的特點(diǎn)選取不同的預(yù)測(cè)模型，最后將各IMF的預(yù)測(cè)結(jié)果疊加，得到最終的預(yù)測(cè)值。本文以安徽省合肥市2012年的實(shí)際負(fù)荷數(shù)據(jù)作為樣本集進(jìn)行建模和預(yù)測(cè)，以平均絕對(duì)百分誤差和關(guān)聯(lián)度作為評(píng)價(jià)指標(biāo)。為了驗(yàn)證基于BP神經(jīng)網(wǎng)絡(luò)延拓法的HHT算法的準(zhǔn)確性，本文同時(shí)采用RBF神經(jīng)網(wǎng)絡(luò)法、LS．SVM、基本HHT算法進(jìn)行預(yù)測(cè)。結(jié)果表
6、明，基于BP神經(jīng)網(wǎng)絡(luò)延拓法的HHT算法具有較高的預(yù)測(cè)精度。關(guān)鍵詞：短期負(fù)荷預(yù)測(cè)Hilbert—Huang變換端點(diǎn)效應(yīng)摘要AbstractTheshort-termpowerloadforecastinghasimportantsignificancetoeconomicdispatch，real-timecontrol，operatingplananddevelopmentplans，anditishelpfultoimprovetheutilizationrateofpowergenerationequipmentandthee
7、ffectivenessofeconomicoperation．Withtheincreaseofelectricpowerindustry’Simportancedeepeningofelectricpowermarket’Sreformandtheintroductionofcompetitionmechanism，theaccuracyofshort-termloadforecastinghasgottenmoreandmoreattention．Hilbert-HuangTransform(HHT)issuitablefo
8、rprocessingthenonlinearandnon。stationarysignal，anditCangetthesignal’Stime．frequencydistributioncharacteristics．SoHHTiswithaf
