發(fā)布時間：2020-07-25 21:38

【摘要】：短期(電力)負荷預測根據(jù)歷史負荷數(shù)據(jù),綜合天氣、溫度、季節(jié)等其它影響因素對未來一天至一周電力需求做預報的過程,短期(電力)負荷預測對于保證電力系統(tǒng)的安全高效運行有著舉足輕重的作用。近年來,隨著人類在各個海域勘探與開采工作的不斷增加,海洋資源開發(fā)和利用規(guī)模不斷擴大,海上油田群電網(wǎng)作為海洋平臺的電能供應保障基礎,得到快速發(fā)展。海上油田群電網(wǎng)是由船舶電力系統(tǒng)逐步發(fā)展而來,其負載多為大功率異步電動機,負荷變化相對較大,又易受到環(huán)境變化的影響。加上平臺由柴油機、燃氣輪機發(fā)電機組供電,發(fā)電容量十分有限,因而,提高短期負荷預測精度對于海上油田群電網(wǎng)而言更為重要。本文首先介紹了海上油田群電網(wǎng)短期負荷預測的目的和意義,闡述了國內(nèi)外短期負荷預測的現(xiàn)狀。介紹了電力負荷預測的分類與基本流程,詳細闡釋了各類負荷預測方法的優(yōu)缺點。對海上油田群電網(wǎng)的結構和特殊性進行了探討,歸納了海上油田群電網(wǎng)負荷預測的特點。針對海上油田群電網(wǎng)短期負荷預測的特點,剖析并最終量化了日類型、溫度、天氣類型等負荷主要影響因素,為后續(xù)的預測工作奠定了基礎。然后全面闡明了支持向量機的基本原理,支持向量機具備非線性擬合、泛化能力強、訓練收斂速度快等明顯特點。詳細闡述了 2015年美國學者提出的一種新型群智能優(yōu)化算法——蜻蜓算法。蜻蜓算法算法簡潔明了,實現(xiàn)起來相對簡單,同時算法參數(shù)較少,方便調(diào)節(jié),整體計算量不大并且具有優(yōu)良的全局尋優(yōu)能力,收斂時間快且精度相對較高。最后針對支持向量機在各類場景應用中實際存在的一些問題,包括數(shù)據(jù)預處理、核函數(shù)選取、參數(shù)優(yōu)化的方法,做出分析,并總結了現(xiàn)行的解決方法。在研究支持向量回歸機的各參數(shù)對其性能有很大影響的基礎上,結合海上油田群電網(wǎng)負荷預測特點,本文提出基于蜻蜓算法優(yōu)化支持向量機(DA-SVM)方法以預測海上油田群電網(wǎng)短期(電力)負荷。該方法將需要優(yōu)化的支持向量機懲罰因子C和核參數(shù)σ組合作為蜻蜓的位置,將支持向量機計算的預測準確率作為蜻蜓當前的適應值。迭代出蜻蜓群體最佳位置即為支持向量機最優(yōu)C、σ.參數(shù)。利用DA-SVM算法對中國渤海某海上油田群電網(wǎng)進行短期負荷預測,并與PSO-SVM、GA-SVM、BP神經(jīng)網(wǎng)絡模型預測結果對比。實驗結果表明DA-SVM算法步驟簡潔、全局搜索能力強,擁有更高的預測精度及更好的運算速度。
【學位授予單位】：西南石油大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TE54
【圖文】：

圖２－２某實際海上油田群電網(wǎng)逡逑９逡逑

海上油田群日負荷曲線

圖２－４海上油田群負荷日周期規(guī)律曲線逡逑２．３．２多外部隨機負荷分量逡逑對于短期負荷的影響因素是多樣的，因而其外部隨機負荷分量也多種多樣，逡逑

【參考文獻】

相關期刊論文 前10條

1 郭朝先;王宏霞;;中國制造業(yè)發(fā)展與“中國制造2025”規(guī)劃[J];經(jīng)濟研究參考;2015年31期

2 楊少兵;吳命利;;基于改進蟻群算法的客運專線電力負荷建模與參數(shù)辨識[J];中國電機工程學報;2015年07期

3 劉文霞;徐曉波;周樨;;基于支持向量機的純電動公交車充/換電站日負荷預測[J];電力自動化設備;2014年11期

4 湯慶峰;劉念;張建華;于壯壯;張清鑫;雷金勇;;基于EMD-KELM-EKF與參數(shù)優(yōu)選的用戶側微電網(wǎng)短期負荷預測方法[J];電網(wǎng)技術;2014年10期

5 易吉梅;;海洋石油平臺電氣設備安全設計的建議措施研討[J];科技創(chuàng)新與應用;2014年20期

6 王建豐;謝小榮;孫英云;魏澈;肖筍;董宜鵬;;海上油田群電網(wǎng)的綜合潮流優(yōu)化控制[J];電力系統(tǒng)自動化;2014年12期

7 張賁;史沛然;蔣超;;氣象因素對京津唐電網(wǎng)夏季負荷特性影響分析[J];電力自動化設備;2013年12期

8 張維戈;頡飛翔;黃梅;李娟;李亞芬;;快換式公交充電站短期負荷預測方法的研究[J];電力系統(tǒng)保護與控制;2013年04期

9 張平;潘學萍;薛文超;;基于小波分解模糊灰色聚類和BP神經(jīng)網(wǎng)絡的短期負荷預測[J];電力自動化設備;2012年11期

10 林偉;陳光堂;邱曉燕;王松;李銳;孟鵬;任增;;基于改進自適應遺傳算法的微電網(wǎng)負荷優(yōu)化分配[J];電力系統(tǒng)保護與控制;2012年12期

相關博士學位論文 前2條

1 王小雅;電網(wǎng)資產(chǎn)全壽命周期管理外部環(huán)境預警模型研究[D];華北電力大學;2014年

2 王建軍;基于知識挖掘技術的智能協(xié)同電力負荷預測研究[D];華北電力大學（北京）;2011年

相關碩士學位論文 前10條

1 劉瑞;基于支持向量分位數(shù)回歸與智能電網(wǎng)的短期電力負荷概率密度預測方法[D];合肥工業(yè)大學;2017年

2 張延福;基于改進支持向量機的微電網(wǎng)負荷預測研究[D];東北石油大學;2016年

3 申超群;基于負荷密度法與Logistic模型法的飽和負荷預測研究[D];鄭州大學;2016年

4 鐘健j;海上油田群電網(wǎng)功率協(xié)調(diào)優(yōu)化研究[D];華北電力大學(北京);2016年

5 王娟娟;微電網(wǎng)與配電網(wǎng)互動特性研究[D];山東大學;2015年

6 趙晶;城市電力負荷預測技術及其在通遼電網(wǎng)中的應用[D];華北電力大學;2015年

7 蔡婷;基于人工魚群的LS-SVM在短期負荷預測中的應用[D];廣西大學;2014年

8 田斌賓;海洋石油平臺海纜擊穿故障的研究[D];天津大學;2012年

9 陳樂;基于加權相似度和加權支持向量機的短期電力負荷預測研究[D];華南理工大學;2012年

10 王鑫;基于支持向量機的電力系統(tǒng)短期負荷預測研究[D];青島大學;2012年

本文編號：2770402