資源描述：
《基于模糊聚類和FNN預(yù)測(cè)模型組合的短期負(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、中文摘要隨著我國(guó)電力事業(yè)的發(fā)展，電網(wǎng)管理日趨現(xiàn)代化。負(fù)荷預(yù)測(cè)問(wèn)題的研究也越來(lái)越引起人們的注意，是現(xiàn)代電力系統(tǒng)運(yùn)行研究中的一個(gè)重要課題，它是研究電力系統(tǒng)規(guī)劃問(wèn)題、電力系統(tǒng)經(jīng)濟(jì)運(yùn)行及調(diào)度自動(dòng)化的重要依據(jù)。隨著電力市場(chǎng)的發(fā)展，電力市場(chǎng)運(yùn)營(yíng)各方對(duì)負(fù)荷預(yù)測(cè)尤其是短期負(fù)荷預(yù)測(cè)的精度要求越來(lái)越高，因此電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行的重要組成部分。本文在廣泛和深入了解國(guó)內(nèi)外電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究纂礎(chǔ)上，對(duì)電力系統(tǒng)負(fù)荷特性進(jìn)行研究發(fā)現(xiàn):節(jié)假門、溫度和氣象條件等不確定因素對(duì)負(fù)荷的影響具有模糊性，同時(shí)也具有一定的規(guī)律性。因此，本
2、文提出一種模糊模式識(shí)別的思想應(yīng)用于短期負(fù)荷預(yù)測(cè):基于模糊聚類分析方法和模糊模式識(shí)別理論對(duì)樣本空間進(jìn)行重構(gòu)，從而解析節(jié)假日、溫度和氣象等不確定因素與負(fù)荷非線性時(shí)變關(guān)系。本文的預(yù)測(cè)模型是模糊神經(jīng)網(wǎng)絡(luò)與模糊聚類分析方法、模糊模式識(shí)別相結(jié)合的組合預(yù)測(cè)模型:將小時(shí)負(fù)荷分解成以24小時(shí)為周期變化的周期性負(fù)荷分量和受人們生活、溫度和氣象條件等不確定因素影響的變動(dòng)性負(fù)荷分量，對(duì)這兩個(gè)分量分別建模預(yù)測(cè)。首先應(yīng)用模糊聚類對(duì)樣本空間重構(gòu)形成若干個(gè)聚類子空間。變動(dòng)性負(fù)荷分量預(yù)測(cè)模型進(jìn)行聚類時(shí)，主要考慮負(fù)荷與氣象條件等因素，因此本文也把其
3、稱為氣象修正模型:周期性負(fù)荷分量預(yù)測(cè)模型進(jìn)行聚類時(shí)，主要考慮負(fù)荷本身的影響。本文應(yīng)用模糊模式識(shí)別與模糊聚類方法相結(jié)合構(gòu)建成氣象修正模型，用模糊神經(jīng)網(wǎng)絡(luò)構(gòu)建成周期性負(fù)荷分量模型。本文提出了基于模糊理論為核心的組合短期負(fù)荷預(yù)測(cè)模型，它是由模糊綜合聚類、模式識(shí)別、模糊神經(jīng)網(wǎng)絡(luò)三部分組合成新型級(jí)聯(lián)模型。將神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合，彌補(bǔ)了ANN不透明和PL5學(xué)習(xí)能力差的缺陷，是一種既具有學(xué)習(xí)、聯(lián)想、自適應(yīng)性，又可以處理模糊信息的新型結(jié)構(gòu)。在預(yù)測(cè)性能方面，對(duì)于夏季高溫時(shí)段預(yù)測(cè)的精度較傳統(tǒng)預(yù)測(cè)的方法有明顯的改進(jìn)，對(duì)于節(jié)假日的預(yù)
4、測(cè)性能有一定程度的提高。關(guān)鍵詞:模糊集理論、短期負(fù)荷預(yù)測(cè)、模糊神經(jīng)網(wǎng)絡(luò)、模糊聚類分析ABSTRACTWiththedevelopmentofpowersystem，theadministrationofpowersystemismoreandmoremodernized.Theplanning,theeconomicoperationandtheautomaticdispatchingofpowersystemallgreatlydependonloadforecasting.Withthefastdevelop
5、mentofmodernelectricpowersystems,theoperationofpowermarketrequireshighprecisionofshort-termloadforecasting(STLF)fortheminimalcostofpowersystemoperation.SoitisveryimportanttodoSTLFforpowersystemAfterstudyingthemethodsofSTLFathomeandabroadandthecharacteristicso
6、fpowersystemloadbroadlyanddeeply,theinfluenceoftheuncertainelementssuchasholiday,temperatureandweatherconditioncanbedescribedasfuzzyquantitiesandisofsomeregularitytosomedegree.SoaSTLFmethodoffuzzypatternrecognizingisproposed，thatis,thereconstructionoftraining
7、setsbasedonfuzzyintegratedclusteringanalysisandpaternrecognizingisdonetogetthenonlineartime-variousrelationbetweenpowersystemloadandtheuncertainfactorssuchasholiday,temperatureandweathercondition.Theloadforecastingcombinationmodelpresentedinthispaperemploysfu
8、zzyneuralnetwork,fuzzyclusteringanalysisandfuzzypatternrecognizing.Inthismodel,thehourlyloadisdividedintotwocomponents,whicharemodeledindependently:oneisL,,whichchangesperiodicallyforever
