資源描述：
《基于組合預(yù)測(cè)方法的電力負(fù)荷預(yù)測(cè)研究》由會(huì)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(kù)。
1、、分類號(hào)：ＴＭ７１５密級(jí)；么開(kāi)ＵＤＣ１０１４２；單位代碼：化佑３寺火駕碩擊學(xué)位論文基于組合預(yù)測(cè)方法的電力負(fù)荷預(yù)測(cè)研究磯學(xué)號(hào)；２０１３５４０作者：武巖巖學(xué)科名稱：運(yùn)籌學(xué)與控制論２０１６年３月１日沈陽(yáng)工業(yè)大學(xué)碩士學(xué)位論文基于組合預(yù)測(cè)方法的電力負(fù)荷預(yù)測(cè)研究ResearchonLoadForecastingBasedonCombinationMethod作者：武巖巖單位：理學(xué)院指導(dǎo)教師：李媛副教授單位：理學(xué)院協(xié)助指導(dǎo)教師：?jiǎn)挝唬簡(jiǎn)挝唬赫撐拇疝q日期：2016年2月26日學(xué)位授
2、予單位：沈陽(yáng)工業(yè)大學(xué)獨(dú)創(chuàng)性說(shuō)明本鄭重聲明：所呈交的論文是我個(gè)人在＾導(dǎo)師指導(dǎo)下進(jìn)行的硏究工作及取得的研究成果。盡我所知，除了文中特別加標(biāo)注和致謝的地方夕Ｋ論文中不包含其他人己經(jīng)發(fā)表或撰寫(xiě)的研巧成果，也不包含為獲得沈陽(yáng)工業(yè)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證一書(shū)所使用過(guò)的材料。與我同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中做了明確的說(shuō)明并表示了謝意。．簽名導(dǎo)．：若４日期；Ｖ／《Ｉ／關(guān)于學(xué)位論文使用授權(quán)的說(shuō)明本學(xué)位論文作者和指導(dǎo)教師完全了解沈陽(yáng)工業(yè)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
3、并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版；本人授權(quán)沈陽(yáng)工業(yè)大學(xué)可，允許論文被查閱和借閱將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索、交流，可。采用影印、縮印或其他復(fù)制手段保存論文和匯編本學(xué)位論文）（保密的論文在解密后應(yīng)遵循此規(guī)定簽名；日期；＾摘要隨著當(dāng)今經(jīng)濟(jì)的快速發(fā)展，化石燃料為主的一次能源逐漸被耗盡及環(huán)境問(wèn)題日益突出，優(yōu)質(zhì)的二次能源—電能在人類生活和生產(chǎn)中的地位越來(lái)越重要。電力系統(tǒng)負(fù)荷預(yù)測(cè)對(duì)保障電力部門的穩(wěn)定經(jīng)濟(jì)運(yùn)行及電網(wǎng)的合理規(guī)劃起到了至關(guān)緊要的作用，因此高精度的負(fù)荷預(yù)測(cè)對(duì)合理高效的利用現(xiàn)有電
4、能具有較大的現(xiàn)實(shí)意義。本文在深入研究全國(guó)工業(yè)月用電量時(shí)間序列的基礎(chǔ)上，建立了基于混沌時(shí)間序列的Elman神經(jīng)網(wǎng)絡(luò)、基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)及改進(jìn)變權(quán)組合預(yù)測(cè)模型。針對(duì)電力負(fù)荷數(shù)據(jù)在多重因素相互影響下呈非線性特性甚至是混沌性的問(wèn)題，采用基于相空間重構(gòu)的Elman神經(jīng)網(wǎng)絡(luò)方法進(jìn)行全社會(huì)工業(yè)月用電量預(yù)測(cè)。利用小數(shù)據(jù)量法計(jì)算最大Lyapunov指數(shù)判別時(shí)間序列的混沌性，進(jìn)而確定最優(yōu)延遲時(shí)間及最佳嵌入維數(shù)進(jìn)行相空間重構(gòu)，以此確定Elman神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并將實(shí)測(cè)數(shù)據(jù)帶入模型進(jìn)行訓(xùn)練。通過(guò)對(duì)實(shí)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)仿真，表明該模型達(dá)到了較好的預(yù)測(cè)
5、效果，驗(yàn)證了提出的時(shí)間序列相空間重構(gòu)與Elman神經(jīng)網(wǎng)絡(luò)結(jié)合的正確性與有效性。在深入研究電力負(fù)荷數(shù)據(jù)呈現(xiàn)非線性和不確定性問(wèn)題的基礎(chǔ)上，提出基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法，該方法將小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的誤差平方和作為衡量適應(yīng)度函數(shù)值的依據(jù)，計(jì)算出相應(yīng)個(gè)體的適應(yīng)度。在此基礎(chǔ)上，采用選擇、交叉及變異等操作生成新的種群，通過(guò)迭代法找出具有最優(yōu)適應(yīng)度值的個(gè)體或者直至最大迭代步數(shù)。最后，將該方法優(yōu)化所得的參數(shù)代入小波神經(jīng)網(wǎng)絡(luò)模型，對(duì)全國(guó)工業(yè)月用電量數(shù)據(jù)進(jìn)行預(yù)測(cè)仿真，并將該模型與小波神經(jīng)網(wǎng)絡(luò)作比較，驗(yàn)證了本文所提方法具有良好的預(yù)測(cè)效果和更高的預(yù)
6、測(cè)精度。最后針對(duì)單一模型預(yù)測(cè)性能的優(yōu)劣，提出改進(jìn)的變權(quán)組合預(yù)測(cè)模型，建立基于以上兩種單一模型的組合預(yù)測(cè)模型。經(jīng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證，本文所提的改進(jìn)預(yù)測(cè)模型補(bǔ)償了單一模型的不足，最終提高了預(yù)測(cè)效果。關(guān)鍵詞：負(fù)荷預(yù)測(cè)，Elman神經(jīng)網(wǎng)絡(luò)，小波神經(jīng)網(wǎng)絡(luò)，遺傳算法，組合預(yù)測(cè)IAbstractWiththerapiddevelopmentoftoday'seconomy,aswellastheprimaryenergywhicharemainlyfossilfuelsgraduallybeexhaustedandthecontinuousincrea
7、seofthedegreeofenvironmentpollution,thehighqualityofsecondaryenergy-electricalenergyplaysamoreandmoreimportantroleinhumanlifeandproductionstatus.Powerloadforecastingisofgreatsignificancetoensuresecurityandstableoperationofpowersystemandreasonableofpowergrid.Therefore,r
8、aisingtheprecisionofpowerloadforecastinghasgreatpracticalsignificancetoensureofreasonableandefficientuseofexistingpow
