基于數(shù)據(jù)挖掘技術(shù)的電力系統(tǒng)短期負(fù)荷預(yù)測.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)調(diào)度運(yùn)營部門的一項(xiàng)重要的日常工作,預(yù)測精度的高低直接影響到電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性和供電質(zhì)量,其特點(diǎn)是:要預(yù)測的數(shù)據(jù)個數(shù)多、采集到的樣本數(shù)據(jù)含一定的噪聲、受諸多氣象因素的影響并具有隨機(jī)性等.論文在大量查閱國內(nèi)外資料、跟蹤國際前沿技術(shù)基礎(chǔ)上,綜合應(yīng)用多種數(shù)據(jù)挖掘技術(shù)、主要以預(yù)測工作的各個環(huán)節(jié)為線索,對歷史負(fù)荷數(shù)據(jù)的預(yù)處理、數(shù)據(jù)樣本的選擇、氣象因素的處理、預(yù)測模型輸入?yún)?shù)的確定及模型的建立各方面都作了深入的

2、研究,為高精度的短期負(fù)荷預(yù)測模型奠定了基礎(chǔ).電力負(fù)荷是一個隨機(jī)非平穩(wěn)過程,其負(fù)荷觀測值由于受到各種因素的影響,可能會存在某些"壞數(shù)據(jù)",這些數(shù)據(jù)夾雜在正常的負(fù)荷數(shù)據(jù)中參與神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,嚴(yán)重影響了負(fù)荷預(yù)測的精度.為準(zhǔn)確、快速地清洗負(fù)荷歷史數(shù)據(jù),本文通過對自適應(yīng)共振網(wǎng)絡(luò)(ART網(wǎng)絡(luò))抗差聚類性能和超圓神經(jīng)元網(wǎng)絡(luò)(CC網(wǎng)絡(luò))模式分類性能的分析,設(shè)計由這兩種網(wǎng)絡(luò)組合而成的神經(jīng)網(wǎng)絡(luò)模型,較好地完成了壞數(shù)據(jù)辨識的任務(wù). 利用神經(jīng)網(wǎng)絡(luò)對負(fù)荷

3、進(jìn)行預(yù)測,輸入樣本的選擇是一個不得不考慮的問題.輸入樣本過少,將導(dǎo)致學(xué)習(xí)不夠,不能達(dá)到訓(xùn)練要求；輸入樣本過多,將導(dǎo)致許多無意義的過學(xué)習(xí),訓(xùn)練時間增長,甚至無法收斂；輸入樣本同預(yù)測樣本聯(lián)系甚少,將導(dǎo)致預(yù)測結(jié)果的不準(zhǔn)確.因此,論文根據(jù)電力負(fù)荷的特點(diǎn),在考慮天氣、日類型、實(shí)際歷史負(fù)荷等因素對預(yù)測負(fù)荷影響的基礎(chǔ)上,采用Kohonen網(wǎng)絡(luò)對訓(xùn)練樣本進(jìn)行選擇,進(jìn)而選取出與預(yù)測日相似的樣本進(jìn)行預(yù)測,從而減少訓(xùn)練時間,提高預(yù)測精度.影響短期電力負(fù)荷預(yù)測

4、的因素眾多,如何有效地判斷和選擇這些相關(guān)因素是改善電力負(fù)荷預(yù)測的關(guān)鍵,本文通過引入數(shù)據(jù)挖掘中粗糙集約簡算法來解決這一難題.通過粗糙集理論的屬性約簡算法,既全面考慮了影響負(fù)荷預(yù)測的各種因素,又避免了由于輸入變量過多而導(dǎo)致的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)復(fù)雜、訓(xùn)練時間過長的不足.針對常規(guī)粗糙集算法計算量大,且不具備容錯性和泛化能力,本文在屬性約簡過程中設(shè)置了分類可信度B,因而對數(shù)據(jù)具有了一定的容錯性和泛化能力,增強(qiáng)了抗噪聲能力. 最后,創(chuàng)建基于數(shù)