【摘 要】
：
电力负荷预测是保证电力系统安全稳定运行,实现合理电力调度和提高电网系统运行效率的基础。因此,需要更为精准的电力负荷预测方法。针对传统电力负荷预测方法具有预测精度低、资源浪费大等问题,特别是在电力负荷波动较大的情况下,传统预测方法的局限性就凸显出来了。然而,机器学习的方法具有很强的非线性拟合能力,能够充分发掘负荷数据的内在特性,对提高电力负荷预测的准确性有很好的效果。针对这种情况,将机器学习方法应用
论文部分内容阅读
电力负荷预测是保证电力系统安全稳定运行,实现合理电力调度和提高电网系统运行效率的基础。因此,需要更为精准的电力负荷预测方法。针对传统电力负荷预测方法具有预测精度低、资源浪费大等问题,特别是在电力负荷波动较大的情况下,传统预测方法的局限性就凸显出来了。然而,机器学习的方法具有很强的非线性拟合能力,能够充分发掘负荷数据的内在特性,对提高电力负荷预测的准确性有很好的效果。针对这种情况,将机器学习方法应用于短期电力负荷预测中,研究内容如下:1.首先对原始电力负荷数据样本集进行预处理,完成了异常数据的处理和负荷数据的归一化;然后,通过对负荷特征进行分析,发现电力负荷具有一定的周期性和规律性,同时,电力负荷也会受到诸多外部因素的影响,表现出一定的随机性;最后,本文充分考虑到电力负荷的内在变化规律和外部影响因素,根据Pearson相关系数法确定了影响电力负荷预测模型的主要因素。2.以机器学习理论和浅层神经网络预测为例,首先,简单地介绍了机器学习的概念和分类;然后,列举了 RF、CNN和LSTM三种常用模型,并对其基本原理和内部结构进行了描述;最后,将BP、ELM和LSTM三种浅层神经网络模型的预测效果进行了比较和分析。经过多次实验仿真,预测结果表明:LSTM模型的预测效果较好,这为下一步的组合型模型预测提供了理论指导。3.为了提高浅层神经网络模型的预测精度,构建了基于PSO-LSSVM的组合型模型负荷预测方法,利用PSO算法自动对LSSVM模型的参数进行寻优,将PSO-LSSVM模型的预测效果与PSO-ELM、PSO-SVM模型的预测效果进行比较和分析。经过多次实验仿真,预测结果表明:PSO-LSSVM组合模型具有较高的预测精度和良好的收敛性。4.为了再进一步提高模型的预测能力,构建了一种基于CEEMD-GA-DBN模型的短期电力负荷预测方法。首先,利用CEEMD将原始负荷数据样本集序列分解为多个IMF和一个res,以降低负荷样本集序列的非平稳性和复杂性;然后,利用GA-DBN模型对分解得到的多个分量分别进行预测;最后,将不同预测分量的结果叠加,得到最终的电力负荷预测值。将该模型的预测效果与PSO-LSSVM、DBN、GA-DBN、EMD-GA-DBN、EEMD-GA-DBN各模型的预测效果进行对比分析。经过多次实验仿真,预测结果表明:CEEMD-GA-DBN模型的预测效果最好,预测精度高达96.88%。图[59]表[18]参[80]
其他文献
作为一种取材方便、经济合理的建筑材料,水泥土被广泛的应用于工程建设中。在实际工程中,受到气候条件和地质环境的影响,水泥土时常受到干湿循环、硫酸盐侵蚀等作用,导致其性能降低。论文进行了不同质量掺量玄武岩纤维（0、0.5%、1.0%、1.5%、2.0%、2.5%）和粉煤灰（0、4%、8%、12%、16%、20%）的水泥土无侧限抗压强度试验,得出玄武岩纤维和粉煤灰的合适掺量;在此基础上进行不同干湿循环次
随着我国煤炭行业的迅速发展,煤矿环境中的呼吸性粉尘对从业人员身心健康的危害引起了广泛关注。近年来,煤炭行业从业人员患有尘肺病的人数呈增长态势,严重限制“健康中国”的发展。因此,本文设计了一种基于激光散射的煤矿井下呼尘监测系统,可以同时对煤矿井下多区域内的呼吸性粉尘进行实时监测,设计理念符合智能化矿山的建设。本文首先对呼吸性粉尘颗粒的检测方法进行了对比分析,选取光散射法作为研究方法。研究了呼吸性粉尘
出于对能源危机的担忧,新能源在全球范围内都加大了使用的力度,为此我国大力推动以锂离子电池为动力源的新能源的使用。锂离子电池靠着其安全、充电效率高的特点受到市场广泛青睐,然而锂离子电池的不一致性造成电池健康状况变差的同时,会大大的降低整个电池组的性能甚至引发事故。针对现存的锂离子电池组存在不一致性的问题,采用均衡控制电路模块,可以极大地改变电池组不均衡的现象,为此本文基于能量双向传递的串联电感均衡电
在含有不稳定出力设备的微电网系统并网运行中,如何通过合理调度,使整个微网更加稳定、高效、经济地运行有着重要的研究意义。本文基于SA-ACPSO算法从经济角度对微电网调度进行优化研究,意在减少此类微电网并网运行时的环境成本和总运行成本,使其并网运行时的调度更具经济性。该算法在原PSO算法基础上通过混沌优化使粒子速度具有遍历性和多样性,降低局部收敛的可能,弥补了传统粒子群算法易陷入局部最优的缺点;以模
自动驾驶技术在近年来高速发展,吸引了学术界、产业界的诸多研究人员,它是一个集计算机控制技术、人工智能技术、传感探测技术等于一体的全新技术领域。自动驾驶技术自诞生以来能否对环境信息进行获取和处理是其能否落地的最关键所在。人类驾驶员是依靠人的感观能力来获取路面环境信息,依靠人类神经网络来处理信息的,而自动驾驶车辆则需要各种传感器来获取路面环境信息,利用人工智能算法来处理信息。深度学习的快速发展,为自动
随着居民生活水平的不断提高,居民对医疗卫生的重视程度也与日俱增。作为医院的重要窗口,护士站有着举足轻重的地位。但是护士站存在的一些问题对家属、病人和医护人员造成了困扰:（1）护士给病人输液或巡视时,多通过口头确认、核对患者信息,手写信息单和标签,效率低、信息不全面、不及时;（2）在输液过程中,滴速的快慢可能会引发患者身体的不适,严重的甚至会危及患者的生命;（3）病人呼救并寻求护士帮助时,经常出现护
电力设备具有尺寸大小不一,视觉难以提取等特点,针对这一特点一般采用特征金子塔结构模型对其进行识别,一般的Single Shot MultiBox Detector（SSD）、Feature Pyramid Networks for Object Detection（FPN）、Scale-Transferrable Object Detection（STDN）等模型的每一个特征图只来自于主干网络中的
双作用叶片泵因其运转平稳,流量脉动较小的特点在机械领域中被广泛使用,是液压系统中的重要动力元件,但是随着液压设备朝着高压、高速化的方向发展,高压、大流量泵在实际工程应用中所占比例越来越大。为了增加双作用叶片泵的流量输出,且保证其良好的流量脉动性,本文提出并设计的双排定量叶片泵能较为有效的处理该问题,通过三维建模、理论分析、模拟试验验证和正交分析等方法对双排定量叶片泵的流量脉动性展开分析研究,主要的
煤矿巷道和隧道会遇到瓦斯爆炸和火灾事故,巷道和隧道岩壁在长时间高温加热后会经历喷水灭火和用水降温的情形,且一些发生火灾后的巷道和隧道在后期仍会面临爆炸和地震等动荷载的影响。因此,研究岩石高温和高温遇水冷却后的物理性能和动态力学性能将对安全生产和灾害预防具有重要的工程意义。本文以安徽淮南矿业集团顾北煤矿巷道砂岩为研究对象,对高温加热后的砂岩试件采用自然冷却和水冷却两种冷却方式降温。对砂岩试件进行了基
土壤侵蚀是全球当前较为严重的自然灾害之一,是人类目前面临最普遍的环境问题。皖南山区是安徽省水土流失较严重的区域,定期开展区域土壤侵调查和探究水土流失规律有利于为区域水土流失综合治理提供科学依据。本文选取皖南山区为研究区,结合GIS技术和CSLE模型,提取分析土壤侵蚀各个因子,计算皖南山区土壤侵蚀模数并进行定量评价,对2000-2018年土壤侵蚀时空变化进行分析,并分析不同条件下的土壤侵蚀分布状况。