微網短期負荷預測“機理+辨識”策略中的白噪聲分離.pdf

1、科學的預測是正確決策的依據和保證。微網短期負荷預測是電力系統領域的一個前沿的重要研究課題，對含微網系統運行的安全性和經濟性有重要的意義。
　　 對于一個特定的電力短期負荷記錄(時間序列)，存在預測準確率的上限。對微網負荷，預測準確率上限的大部分由白噪聲的不可預測性引起。因此，研究負荷序列中的白噪聲分離，具有重要的實際意義。一般地，從復雜時間序列中識別白噪聲的正確分布函數，是尚未解決的困難理論問題。
　　 本文結合微網負荷

2、預測，從理論上分析了白噪聲與信號的相對性；采用小波等方法，研究了白噪聲近似分離。依此進行了微網短期負荷模擬數據的白噪聲分離研究。
　　 具體研究內容和結果如下：
　　 (1)結合微網負荷的特點，提出了微網負荷預測的“背景調整法”，并對背景形成的思路做了初步的探討。
　　 (2)從理論上分析了有限長度(樣本容量)時間序列中信號與噪聲的相對性。根據Cramer分解定理，可將非平穩(wěn)時間序列分解為信號和白噪聲兩部分。發(fā)現

3、對于有限長度時間序列，趨勢項和隨機項的區(qū)分是相對的，白噪聲和信號的區(qū)分是相對的。并通過小波去噪等數值仿真證實：樣本容量越大，這種區(qū)分越準確。大體符合卡方分布規(guī)律。
　　 (3)得到了一個理想的白噪聲序列，其性能顯著優(yōu)于用“偽隨機數”生成的白噪聲序列。
　　 (4)采用白噪聲、AR(1)序列，評估了小波去噪的效果。并采用Bior4.4、Sym8、Db4、Coif5小波，對微網負荷模擬序列進行了白噪聲分離。發(fā)現在功率譜上信號