資源描述：
《基于hht的電力負(fù)荷影響因素分析及預(yù)測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代碼10459學(xué)號或申請?zhí)?01212182092密級碩士學(xué)位論文基于HHT的電力負(fù)荷影響因素分析及預(yù)測作者姓名：張豪杰導(dǎo)師姓名：蔣建東教授學(xué)科門類：工學(xué)專業(yè)名稱：電力系統(tǒng)及其自動化培養(yǎng)院系：電氣工程學(xué)院完成時間：2015年5月AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterHHT-BasedAnalysisofInfluencingFactorsofElectricalPowerLoadandForecastingByHaojieZhangSupervisor:Pr
2、of.JiandongJiangPowerSystemandItsAutomationSchoolofElectricalEngineeringMay,2015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，獨立進行研究所取得的成果。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人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究作出重要貢獻的個人和集體，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)位論桃者：m曰期：災(zāi)/舍年{月女曰學(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，知識產(chǎn)
3、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)校保留或向國家有關(guān)部門或機構(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)庫進行檢索，可以釆用影印、縮印或者其他復(fù)制手段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，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)位論文條炎東曰期：，汊年/月女曰摘要摘要高精度的電力負(fù)荷預(yù)測是電力系統(tǒng)安全運行的重要基礎(chǔ)，也是電力系統(tǒng)經(jīng)濟運行的重要保障。因此，負(fù)荷預(yù)測精度的提
4、高，在電力系統(tǒng)管理中占有舉足輕重的地位，短期電力負(fù)荷預(yù)測對電網(wǎng)的生產(chǎn)調(diào)度具有指導(dǎo)意義，而高效的預(yù)測方法有利于預(yù)測精度的提高。本文對我國電力企業(yè)在電力負(fù)荷短期預(yù)測工作中存在的影響要素選擇、負(fù)荷特性分析以及預(yù)測模型的選取等重要問題做了重點研究，提出了一種基于希爾伯特黃變換和電力負(fù)荷影響因素分析的組合預(yù)測模型。希爾伯特黃變換（Hilbert-HuangTransform，HHT）算法是用來分析非線性、非平穩(wěn)信號的一種新的信號處理算法。該方法首先采用經(jīng)驗?zāi)B(tài)分解（EMD）算法將原始序列分解成頻率不同且相對平穩(wěn)的一些固有模態(tài)函數(shù)（IMF）分量之和
5、，然后對每一個分量進行Hilbert變換獲得分量的時頻特性，該時頻信號處理方法具有較強自適應(yīng)性。本文深入分析短期負(fù)荷預(yù)測方法在國內(nèi)外的研究現(xiàn)狀和發(fā)展趨勢，研究了現(xiàn)有的電力負(fù)荷預(yù)測方法及其特點。對電網(wǎng)歷史負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)等資料進行深入研究，在短期負(fù)荷特性指標(biāo)分析的基礎(chǔ)上，總結(jié)出負(fù)荷特性及各影響因素之間的關(guān)系。首先對歷史負(fù)荷、氣象數(shù)據(jù)進行預(yù)處理，利用EMD算法將預(yù)測樣本序列分解成不同頻率的平穩(wěn)子序列，并對其進行Hilbert變換，得出各分量的頻率特性，子序列比原始序列更具可預(yù)測性。根據(jù)對各分量特性及各預(yù)測模型的適應(yīng)性分析，選取RBF神經(jīng)網(wǎng)
6、絡(luò)模型對高頻分量做出預(yù)測，BP神經(jīng)網(wǎng)絡(luò)模型對中頻分量做出預(yù)測，時間序列模型對低頻分量做出預(yù)測，并在中、高頻分量的預(yù)測模型中考慮了氣象因素的影響，把每一個分量的預(yù)測結(jié)果相加得出最終預(yù)測值，從而得到了新的組合模型。本文以河南省某地區(qū)2012年實際負(fù)荷數(shù)據(jù)作為預(yù)測樣本，利用上述預(yù)測模型對一天24小時96點的負(fù)荷值進行預(yù)測，與真實負(fù)荷值對比，預(yù)測精度達到較高水平。結(jié)果表明，基于HHT的組合預(yù)測模型有利于實現(xiàn)各預(yù)測模型之間的優(yōu)勢互補，更具合理性。關(guān)鍵詞：電力負(fù)荷預(yù)測；希爾伯特黃變換；影響因素；神經(jīng)網(wǎng)絡(luò)IAbstractAbstractHigh-p
7、recisionelectricalloadforecastingisanimportantbasisforthesafeoperationofelectricalpowersystem,andalsoanimportantguaranteefortheeconomicoperationofelectricalpowersystem.Therefor,improvingtheprecisionofloadforecastingplaysadecisiveroleinelectricalpowersystemmanagement.Shor
8、t-termloadforecastingismuchinstructivetoproductioncontrolofpowergridwhileefficientforecastingmethodshel
