資源描述：
《基于數(shù)據(jù)驅(qū)動的短期電力負(fù)荷預(yù)測方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、萬方數(shù)據(jù)分類號UDC密級學(xué)位論文基于數(shù)據(jù)驅(qū)動的短期電力負(fù)荷預(yù)測方法研究作者姓名：金凱指導(dǎo)教師：王占山教授東北大學(xué)信息科學(xué)與工程學(xué)院申請學(xué)位級別：碩士學(xué)科類別：工學(xué)學(xué)科專業(yè)級別：電力系統(tǒng)及其自動化論文提交日期：2012年6月論文答辯日期：2012年6月8日學(xué)位授予日期：2012年6月評閱人：美出臭新毒}、秋野東北大學(xué)2012年6月萬方數(shù)據(jù)AThesisinPowerSystemandAutomationResearchonDataBasedShort．-TermLoadForecastingforPowerSystems
2、ByJinKaiSupervisor：ProfessorWangZhanshanNortheasternUniversityJune2012㈣3哪4㈣5㈣2㈣叫㈣J一萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是在導(dǎo)師的指導(dǎo)下完成的。論文中取得的研究成果除加以標(biāo)注和致謝的地方外，不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包括本人為獲得其他學(xué)位而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示誠摯的謝意。學(xué)位論文作者簽名：仝彩疋一／簽字日期：z。Jz，占‘／學(xué)位論文版權(quán)使用授權(quán)書本學(xué)
3、位論文作者和指導(dǎo)教師完全了解東北大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：即學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人同意東北大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索、交流。作者和導(dǎo)師同意網(wǎng)上交流的時間為作者獲得學(xué)位后：半年口一年口一年半口兩年∥學(xué)位論文作者簽名：今彬山導(dǎo)師簽名：簽字目期：2)f2．‘．}簽字日期：鋤～萬方數(shù)據(jù)東北大學(xué)碩士學(xué)位論文摘要基于數(shù)據(jù)驅(qū)動的短期電力負(fù)荷預(yù)測方法研究摘要電力系統(tǒng)負(fù)荷預(yù)測已經(jīng)成為電力系統(tǒng)管理現(xiàn)代化的重要研究課題之一，尤其是短期負(fù)荷預(yù)測
4、，在電力企業(yè)的生產(chǎn)和運(yùn)行中發(fā)揮著重要的作用。影響短期負(fù)荷預(yù)測的因素有很多，不同的地區(qū)、不同的季節(jié)、不同的星期類型都不盡相同，任何一種單一模型都不可能在任何時候滿足負(fù)荷預(yù)測的精度要求，在沒有找到合適的滿足精度的單一預(yù)測模型前，能否找到一種通用的組合預(yù)測模型對負(fù)荷預(yù)測有個大致的判斷或者是在精度方面接近預(yù)測效果較好的單一預(yù)測模型，并且在預(yù)測結(jié)果的魯棒性方面和降低預(yù)測風(fēng)險方面有著明顯的增強(qiáng)是本文主要研究的目的。本文在對大量原始的電力負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行收集和整理的同時，將數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)相結(jié)合的短期負(fù)荷預(yù)測模型與聚類分析和
5、支持向量機(jī)相結(jié)合的短期負(fù)荷預(yù)測模型作為組合預(yù)測模型中的單項(xiàng)模型，并且將優(yōu)勢矩陣法應(yīng)用到組合預(yù)測模型的權(quán)重分析上來，通過實(shí)驗(yàn)數(shù)據(jù)與實(shí)際負(fù)荷值的比較證實(shí)該組合模型在實(shí)際應(yīng)用中的可行性。本文的主要工作有：(1)詳細(xì)論述了負(fù)荷預(yù)測的基本原理和相關(guān)要求，分析了應(yīng)用于短期負(fù)荷預(yù)測基本方法和基本步驟，并闡述了什么是數(shù)據(jù)挖掘怎樣進(jìn)行數(shù)據(jù)挖掘的方法。(2)通過數(shù)據(jù)挖掘的基本方法從大量的歷史負(fù)荷以及其他相關(guān)數(shù)據(jù)中篩選出異常數(shù)據(jù)，將影響負(fù)荷的特征屬性按照重要程度進(jìn)行排序，并將涉及的數(shù)據(jù)進(jìn)行歸一化處理，構(gòu)建適合的神經(jīng)網(wǎng)絡(luò)，避免由于輸入變量過多
6、和異常數(shù)據(jù)導(dǎo)致“維數(shù)災(zāi)”，加重網(wǎng)絡(luò)訓(xùn)練負(fù)擔(dān)，降低預(yù)測精度。(3)分析了支持向量機(jī)的基本理論以及支持向量機(jī)核函數(shù)及參數(shù)的選擇方法，運(yùn)用K-Means聚類算法對原始樣本進(jìn)行分類，使分類后的數(shù)據(jù)集中心之間的距離盡可能遠(yuǎn)，充分發(fā)揮支持向量機(jī)擬和精度高、學(xué)習(xí)和推廣能力強(qiáng)的優(yōu)點(diǎn)。(4)對組合預(yù)測的原理進(jìn)行詳細(xì)的闡述，并且論述了組合預(yù)測需要解決的問題以及組合預(yù)測模型的使用條件，運(yùn)用優(yōu)勢矩陣法確定權(quán)重系數(shù)的組合預(yù)測方法對遼寧某地區(qū)夏季整點(diǎn)的負(fù)荷進(jìn)行預(yù)測，增強(qiáng)了預(yù)測模型的魯棒性，降低了預(yù)測風(fēng)險。關(guān)鍵詞：組合預(yù)測；短期電力負(fù)荷預(yù)測；數(shù)據(jù)挖
7、掘；支持向量機(jī)萬方數(shù)據(jù)東北大學(xué)碩士學(xué)位論文AbstractResearchonDatabasedShort—TermLoadForecastingforPowerSystemsAbstractPowersystemloadforecastinghasbecomeoneoftheimportantresearchtopicsinmodernpowersystemmanagement．Especially，short-termloadforecastingplaysallimportantroleintheproducti
8、onandoperationofpowerutilities．Therearemanyfactorsthataffectshort．termloadforecastingsuchasdifferentareas．differentseasonsanddifferentdaytypesofweeks．Anysinglemodelca
