發(fā)布時間：2021-02-24 10:56

  近年來,隨著我國經(jīng)濟的快速發(fā)展,人們對電網(wǎng)運行水平提出了更高的要求,大規(guī)模的降損措施被應用到電網(wǎng),對于改善電源浪費起到了積極作用。再者,隨著全球能源危機的加劇,十二五計劃提出堅持把建設資源節(jié)約型、環(huán)境友好型社會作為加快轉(zhuǎn)變經(jīng)濟發(fā)展方式的重要著力點。為了積極響應黨中央的政策,建立節(jié)約型社會,最大限度地降低電能在傳輸過程中產(chǎn)生的損耗,開展線損預測研究變得尤為重要。配電網(wǎng)連接著發(fā)電系統(tǒng)、輸電系統(tǒng)和用戶,隨著電力系統(tǒng)的快速發(fā)展,配電網(wǎng)線損的不可避免性、復雜性和不確定性給電力系統(tǒng)的安全運行及電能質(zhì)量帶來了嚴峻的挑戰(zhàn)。因此,準確地對線損率進行預測,幫助相關工作人員制定符合現(xiàn)實情況的考核指標和規(guī)劃,有效發(fā)揮電能價值,已經(jīng)成為了當前亟需分析和解決的實際課題。深入研究線損率預測,對提高電力系統(tǒng)協(xié)調(diào)運行能力,促進電能持續(xù)健康發(fā)展具有十分重要的意義�；�于歷史理論線損率數(shù)據(jù),本文對理論線損率展開了以下研究：1.神經(jīng)網(wǎng)絡預測模型能較好的應對序列的波動性且具有良好的精準度,因此該非線性模型被廣泛的應用。利用神經(jīng)網(wǎng)絡預測模型對理論線損率進行預測,利用馬爾可夫?qū)�理論線損率預測誤差進行修正處理,建立RBF-馬爾可夫模型,預測理論線損率。2.SVM(支持向量機)收斂速度快,學習能力強,泛化能力好,能有效預測序列的變化趨勢。以支持向量機原理為基礎,建立支持向量機回歸模型,實現(xiàn)理論線損率直接預測。3.對支持向量機的模型參數(shù)優(yōu)化問題進行研究。分析懲罰因子C和核參數(shù)σ的作用及對支持向量機性能的影響。運用遺傳優(yōu)化算法,提出基于遺傳算法優(yōu)化支持向量機預測模型(GA-SVM),解決SVM建模時存在的弊端,并利用GA-SVM預測模型實現(xiàn)理論線損率預測。4.結合RBF-Markov模型和遺GA-SVM模型,研究理論線損率的概率預測模型。針對概率預測模型中求解概率密度難這一關鍵問題,采用非參數(shù)核密度估計方法估計理論線損率的概率密度函數(shù),最終建立概率預測模型求得置信區(qū)間。

【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM732

【參考文獻】

相關期刊論文 前4條

1 牛東曉;劉達;陳廣娟;馮義;;基于遺傳優(yōu)化的支持向量機小時負荷滾動預測[J];電工技術學報;2007年06期

2 杜穎;盧繼平;李青;鄧穎玲;;基于最小二乘支持向量機的風電場短期風速預測[J];電網(wǎng)技術;2008年15期

3 聶相田;李東亮;;基于GM(1,1)-馬爾科夫模型的城市用水量預測[J];華北水利水電學院學報;2011年02期

4 許少華;何新貴;王兵;;一種時變輸入輸出過程神經(jīng)元網(wǎng)絡及學習算法研究[J];控制與決策;2007年12期

相關博士學位論文 前1條

1 夏樂天;馬爾可夫鏈預測方法及其在水文序列中的應用研究[D];河海大學;2005年

相關碩士學位論文 前3條

1 胡國圣;基于遺傳算法和支持向量回歸的網(wǎng)格資源預測[D];吉林大學;2010年

2 李濤;支持向量機在風電功率預測中的應用研究[D];北京交通大學;2012年

3 管燕;基于非參數(shù)核密度估計方法的環(huán)境責任保險保費厘定研究[D];中國海洋大學;2013年

本文編號：2298689