資源描述：
《基于殘差和相似日修正的燃?xì)舛唐谪?fù)荷組合預(yù)測模型研究》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、學(xué)校代碼：10270分類號：TP391學(xué)號：122201134碩士學(xué)位論文基于殘差和相似日修正的燃?xì)舛唐谪?fù)荷組合預(yù)測模型研究學(xué)院：信息與機(jī)申.工稈學(xué)：P完專業(yè)：計筧機(jī)故件與gi倉研究方向：人工智能研究生姓名：金鳳指導(dǎo)教師：徐曉鐘完成日期：2015年4月論文獨(dú)創(chuàng)性聲明本論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研宄工作及取得的研宄成果。論文中除了特別加以標(biāo)注和致謝的地方外，不包含其他人或機(jī)構(gòu)己經(jīng)發(fā)表或撰寫過的研究成果。其他同志對本研宄的啟發(fā)和所做的貢獻(xiàn)均己在論文中做了明確的聲明并表示了謝意。作者簽名：貪R曰期：i
2、oii-r.sl論文使用授權(quán)聲明本人完全了解上海師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其它手段保存論文。保密的論文在解密后遵守此規(guī)定。作者簽名：舍亂導(dǎo)師簽名期：本論文經(jīng)答辯委員會全體委員審查，確認(rèn)符合上海師范大學(xué)碩（博）士學(xué)位論文質(zhì)量要求。答辯委員會簽名：主席（工作單位、職稱）：^4碎等職t委員I導(dǎo)師:TheResearchonShort-termGasLoadCombinationFore
3、castingModelBasedonResidualErrorandSimilarDayLoadCorrectionADissertationSubmittedfortheDegreeofMasterCandidate:YuFengSupervisor:XuXiaozhongSpecialty:ArtificialIntelligenceCollegeofInformation,MechanicalandElectricalEngineeringShanghaiNormalUniversity,S
4、hanghai,ChinaApril2015上海師范大學(xué)碩士學(xué)位論文摘要摘要隨著智能燃?xì)夤芫W(wǎng)建設(shè)工作的飛速發(fā)展，負(fù)荷預(yù)測工作越來越重要。短期負(fù)荷預(yù)測是城市燃?xì)庀到y(tǒng)的一項(xiàng)基礎(chǔ)工作，其數(shù)據(jù)對項(xiàng)目規(guī)劃、運(yùn)行調(diào)度、管網(wǎng)維修以及工程技術(shù)分析都具有根本意義，因此尋求有效的短期負(fù)荷預(yù)測方法以提高預(yù)測精度是非常重要的。本文首先深入剖析了上海燃?xì)庳?fù)荷特性，研究了負(fù)荷自身的周期性、季節(jié)性規(guī)律和主要影響因素，為預(yù)測模型輸入向量的確定提供了依據(jù)。針對歷史負(fù)荷樣本集中存在的“壞數(shù)據(jù)”，使用一系列預(yù)處理技術(shù)進(jìn)行辨識和修正，保證
5、負(fù)荷曲線的整體趨勢性和平滑性，從而提高模型的預(yù)測準(zhǔn)確率，為仿真實(shí)驗(yàn)的展開做了數(shù)據(jù)準(zhǔn)備。接著闡述了基于Morlet小波基的小波BP神經(jīng)網(wǎng)絡(luò)和小波核支持向量機(jī)，用以改善單一BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的缺陷。同時引入自適應(yīng)慣性權(quán)重和cat混沌映射改善基本粒子群算法的全局和局部搜索能力。用改良的粒子群算法對小波BP神經(jīng)網(wǎng)絡(luò)和小波核支持向量機(jī)的相關(guān)參數(shù)迭代尋優(yōu)，構(gòu)建優(yōu)化的模型，加快模型的收斂速度，提高模型的預(yù)測精度。這些知識都為組合預(yù)測模型的建立做了理論準(zhǔn)備。最后詳細(xì)介紹了預(yù)測模型的建立和仿真實(shí)驗(yàn)分析過程?；?/p>
6、燃?xì)庳?fù)荷在不同季節(jié)、季節(jié)交替和節(jié)假日期間所表現(xiàn)出的不同特性，為了提高整體預(yù)測精度，分別采用了三種預(yù)測模型以應(yīng)對不同的情形。針對燃?xì)庳?fù)荷具有的明顯的季節(jié)特性，采用基于殘差修正的分季節(jié)預(yù)測模型，具體方法是：小波BP神經(jīng)網(wǎng)絡(luò)作初步預(yù)測，小波核支持向量機(jī)進(jìn)行殘差修正，二者之和為最終的預(yù)測結(jié)果。針對季節(jié)交替時負(fù)荷預(yù)測存在較大偏差的問題，采用加權(quán)平均的季節(jié)交替預(yù)測模型，具體方法是：將交替季節(jié)的預(yù)測結(jié)果加權(quán)求和作為最終結(jié)果。針對節(jié)假日與工作日負(fù)荷曲線波動的差異，采用基于相似日修正的節(jié)假日預(yù)測模型，具體方法是：憑借
7、綜合相似度篩選歷史相似日，依據(jù)它們與預(yù)測節(jié)假日之間的不同關(guān)系修正相似日負(fù)荷，然后在綜合相似度和修正負(fù)荷的基礎(chǔ)上實(shí)現(xiàn)節(jié)假日負(fù)荷評估。通過一系列參照實(shí)驗(yàn)，驗(yàn)證了以上模型對于不同工況下燃?xì)庳?fù)荷預(yù)測的有效性和優(yōu)越性。關(guān)鍵詞：燃?xì)庳?fù)荷預(yù)測；數(shù)據(jù)預(yù)處理；季節(jié)性；殘差修正；節(jié)假日；相似日修正IAbstractShanghaiNormalUniversityMasterofPhilosophyAbstractWiththerapiddevelopmentofintelligentgaspipenetworkcons
8、truction,theloadforecastingismoreandmoreimportant.Theshort-termloadforecastingisabasictaskofcitygassystem,thedataareoffundamentalsignificanceforprojectplanning,operationscheduling,networkmaintenanceandengineeringtechnicalanalysis.Theref
