基于配網(wǎng)GIS的短期負荷預測技術(shù)研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、短期負荷預測是保障電力系統(tǒng)安全和經(jīng)濟運行的重要工作,預測值是電網(wǎng)調(diào)度、規(guī)劃設(shè)計、購電輸電計劃等重要工作的主要依據(jù)。因此,提高短期負荷預測的準確性和實用性具有非常重要的意義。
　　雖然國內(nèi)外學者對負荷預測做了大量的研究和工作,但是隨著電網(wǎng)進一步的發(fā)展,需要對負荷預測技術(shù)進行更深入的研究,引進新的理論和方法。目前負荷預測大多使用軟件包采用時間序列、回歸分析和BP神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)的預測模型,預測的實用性和精度不高。然而,基于配網(wǎng)地理信息系

2、統(tǒng)(GIS)平臺的負荷預測,利用GIS能很好地把圖形信息和屬性數(shù)據(jù)相結(jié)合的功能和設(shè)備之間的拓撲分析功能來適應(yīng)配網(wǎng)結(jié)構(gòu)的變化從而快速準確地獲取歷史負荷數(shù)據(jù)進行預測,實現(xiàn)短期負荷預測的可視化,提高負荷預測的實用性。
　　本文通過研究支持向量機(Support Vector Machine, SVM)各參數(shù)對其預測能力的影響,在 Matlab平臺上建立利用遺傳退火算法尋優(yōu)支持向量機參數(shù)的預測模型(GAA-SVM),并將預測模型集成到配網(wǎng)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論