資源描述：
《基于灰色理論的電力系統(tǒng)中長期負荷預測的研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、遼寧工業(yè)大學碩士學位論文基于灰色理論的電力系統(tǒng)中長期負荷預測的研究專業(yè):電力系統(tǒng)及其自動化研究生:楊楊指導教師:李寶國教授遼寧工業(yè)大學電氣工程學院二〇一五年三月MasterThesisMid-long-termPowerSystemLoadForecastingBasedonGrayTheorySpeciality:PowerSystemanditsAutomationCandidate:YANGYangSupervisor:ProfessorLIBao-guoLiaoningUniversityofTechnologyJinzhou,121001,ChinaMarch2015摘要電
2、力系統(tǒng)的中長期負荷預測是電力系統(tǒng)規(guī)劃與調度的基礎，尤其目前可再生能源及不確定負荷大量地接入系統(tǒng)，使預測技術面臨新的挑戰(zhàn)，因此，在電力系統(tǒng)中，研究中長期負荷預測技術具有重要的實用價值和理論意義。本文針對傳統(tǒng)GM(1,1)模型的建模精度較低，抗突變數(shù)據(jù)影響能力較弱的缺點，采用灰色預測理論對電力系統(tǒng)進行中長期負荷預測研究，具體工作如下：為提高GM(1,1)灰色模型對含有突變歷史負荷數(shù)據(jù)的中長期負荷預測的精度，改進了基于數(shù)值逼近算法原理的對GM(1,1)灰色模型預測結果的修正方法，結合對歷史負荷數(shù)據(jù)的預處理，構建了改進的GM(1,1)灰色中長期負荷預測模型。該模型對實際的中長期負荷數(shù)據(jù)進行預
3、測，結果表明改進的模型有效地提高了中長期負荷預測的精度。針對NGM(1,1,k)灰色模型在實際中長期負荷預測建模過程中的系數(shù)求解并非最優(yōu)的問題，采用增加修正量對模型系數(shù)進行修正，并結合平均弱化緩沖算子對歷史負荷數(shù)據(jù)進行預處理，建立了修正系數(shù)的灰色NGM(1,1,k)中長期負荷預測模型。在對實際地區(qū)的中長期負荷數(shù)據(jù)的預測中，改進的模型獲得了更高的預測精度。關鍵詞：中長期負荷預測；灰理論；GM(1,1)灰色模型；NGM(1,1,k)灰色模型；數(shù)值逼近IAbstractMid-longtermloadforecastinginpowersystemisthebasisofpowersyst
4、emplanningandscheduling.Inparticular,therenewableenergyandalotofuncertaintyloadtoaccesssystem.Thepredictiontechnologyisfacingnewchallenges,therefore,inthepowersystem,theresearchofmiddleandlongtermloadpredictiontechnologyhasimportantpracticalvalueandtheoreticalsignificance.ThetraditionalGM(1,1)m
5、odelisalowaccuracymodel.InordertoreducethepredictionerrorsofGM(1,1)modelcausedbysuddenloadchange,thegraypredictiontheoryisusedtoresearchthemedium-andlong-termpowersystemloadforecasting.ToimprovetheaccuracyofGM(1,1)modelonthemediumandlongtermloadforecastingwithmutanthistoricalloaddata,thisarticl
6、emakeacorrectiononforecastingresultsofGM(1,1)modelbasedonnumericalapproximationalgorithmprinciple.Combinewiththepretreatmentonhistoricalloaddata,theimprovedGM(1,1)graymodelforthemediumandlongtermloadforecastingisestablished.Theresultsofthenewmodelshowitshigheraccuracyofthemediumandlongtermloadf
7、orecasting.Concerningthenon-optimalcoefficientgivenbyGM(1,1)greymodelintheprocessofcreatingthemodelofloadforecastingactually,establishtheNGM(1,1,k)graymodelwithcorrectedcoefficientbyaddingcorrectionamounttocoefficientsandcombining
