导读:本文包含了电力负荷综合论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,电力,综合法,神经网络,模型,建模,质心。
电力负荷综合论文文献综述
吕何,孔政敏,陈培垠,刘晓帆[1]（2019）在《基于气象综合指数和加权LSSVM的短期电力负荷组合预测》一文中研究指出短期电力负荷易受气象情况、日期属性和偶然因素等影响,预测准确度较低。为解决上述问题,提出了基于气象综合指数和加权最小二乘支持向量机(WLS-SVM)的电力负荷组合预测方法。分析气象因子耦合作用引入气象综合指数进行短期负荷预测。采用线性映射与分区映射方法处理负荷特征,解决了数据之间的差异性,并采用灰色关联分析得到气象综合指数与电力负荷的关联度,其权重系数由关联度确定。在优化最小二乘支持向量机(LSSVM)上将径向基核函数(RBF)和权重系数相结合得到WLSSVM。最后提出滚动窗口预测法并建立短期负荷组合优化预测模型,降低偶然误差对负荷预测结果的影响。以我国南方某电网公司每日96点负荷历史数据为实例样本进行仿真,结果表明所提出方法与LSSVM预测方法相比预测准确度更高,逐时预测性能优于逐天预测,验证了所提方法的有效性。(本文来源于《电气应用》期刊2019年10期）
魏来[2]（2019）在《基于统计综合法的电力负荷建模方法研究》一文中研究指出作为电力系统数字仿真的重要组成部分之一,电力负荷数学模型的准确性会直接影响系统仿真的结果。而由于负荷自身所具备的非线性、时变性、分散性等特点,使得有关其建模的研究进展缓慢,尤其是有关基于统计综合法的建模研究,已经明显处于落后的地位。随着我国经济发展与社会进步,电力系统的规模越来越大,对电网稳定运行与可靠性的要求也越来越高,电力负荷的容量与构成也正发生着巨大的变化。在这样的大背景下,研究建立能真实准确反映实际电网负荷的模型就成为了负荷建模研究领域的重点问题。本文以典型感应电动机的负荷数据为基础,采用机器学习的有关算法作为技术支撑,进行了基于统计综合法的负荷建模研究。本文首先就传统统计综合法建模中存在的缺陷提出了改进,引入层次凝聚聚类算法对以感应电动机为代表的电力负荷分类问题进行了研究,研究结果表明该算法可以有效对电力负荷按其特性进行分类,分类效果良好,符合预期结果。然后研究了将人工神经网络应用于负荷建模的有关问题,提出了一种改进的BP算法对网络训练过程进行了优化。改进的方面主要有两点,一是改固定的学习率为自适应学习率,使得算法自身可以根据学习的情况自适应地调节学习率,以提升学习效率,二是引入新的神经元激活函数,改善网络性能。测试结果显示,这一改进策略有效提升了算法的计算速度与精度。本文还分析了多项式形式和幂函数形式负荷静态模型的特点,对同一静态负荷曲线进行参数辨识,发现幂函数形式具有更好的优越性,更适合作为静态负荷模型。基于时下流行的TensorFlow框架,编写实现了人工神经网络搭建动态负荷模型,在进行模型建立时,首先利用统计得到的负荷数据计算得出负荷的动态特性数据,再用这些数据作为网络训练的样本对神经网络进行训练,训练完成后的神经网络即可以作为真实负荷的模型进行其他相关的数字仿真计算。验证计算的结果表明,本文提出的改进BP神经网络可以较好地完成动态负荷建模,得到的模型动态特性与原始负荷十分接近,是一种可行的负荷建模方法。(本文来源于《郑州大学》期刊2019-05-01）
程红超[3]（2018）在《基于变权综合的电力负荷预测》一文中研究指出负荷预测有助于电力管理部门安排发电机组运行个数,合理调配电能的输送及供给,规划基础设施配备和电网系统的检修。准确的负荷预测,既有利于提高电网的科学管理水平,又有利于提高电力企业的经济效益和社会效益。故提高预测的准确性,不仅是电力部门迫在眉睫的一项战略任务,也是电力工作者们研究的重要课题之一。本文绪论介绍了负荷预测的研究背景及意义、负荷预测的特点及基本要求。从负荷预测的研究现状中发现已有理论方法存在常权难以适应复杂的负荷环境的不足,提出基于变权综合的电力负荷预测方法。主要工作包括:首先,提出了一种基于阈值和云典型度加权改进FCM聚类的电力负荷模式分类识别方法。该方法通过引入隶属度阈值识别异质和非典型负荷数据;接着借助逆向云发生器为每个负荷簇建立云模型,并依据云相关系数对隶属于同一簇的数据进行典型程度赋权,给出基于改进FCM负荷聚类分组算法。其次,给出一种基于改进RBF神经网络的变权综合多模型电力负荷预测方法。该方法引入共轭梯度下降法来改进RBF神经网络算法,并利用改进算法对经由改进FCM算法聚类得到的各典型类负荷数据进行学习,构建适应各典型类的预测子模型;接着,提出一种基于负荷模式相似度的动态赋权方法;最后,对各类子模型输出结果进行自适应变权迭加得到电力负荷的最终预测值。再次,构建了基于相似训练数据组织和改进梯度提升决策树的电力负荷预测方法。该方法首先借助灰色关联分析等方法计算历史日与待预测日在气象因子、时间因子和前趋势因子等类特征上的局部相似度;然后,利用取最小算子法确定综合相似度,并据此选择相似度较高的历史数据组成适合滚动预测的动态训练数据集,减少异质数据的干扰;进而,引入综合相似度加权损失函数来改进梯度提升决策树算法,建立基于相似训练数据选取和改进梯度提升决策树的负荷预测模型。最后,利用电力负荷历史记录设计仿真预测实验对预测方法的预测效果进行检验分析,并与文献中所给的BP神经网络,随机森林等典型算法进行对比。实验结果表明,无论是基于FCM聚类和RBF网络自适应组合模型的电力负荷预测法,还是基于相似数据选取和改进梯度提升决策树的负荷预测法的预测精度都有显着提升。(本文来源于《华北电力大学(北京)》期刊2018-03-01）
黄毅[4]（2018）在《基于综合经济最优数学模型的电力负荷叁相不平衡的解决方案》一文中研究指出由于电力系统配电网接入负荷不断增加且随机变化的特性,配电网负荷会经常发生叁相不平衡情况,叁相不平衡会造成线路损耗增加,变压器能耗变大,出力减小,严重时,产生过大的零序电流可能导致人身触电和用电设备烧损事故,因此开展叁相电力不平衡治理是十分必要的.本文在分析某台区用电实测数据的基础上,应用数学模型算法,求解每日、各时段用户用电数据对配电网叁相不平衡程度的影响,应用控制用户负荷换相的方法,建立最优解决数学模型,计算出配电网中需要配置的换相开关数量、需要配置换相开关的用户以及换相技术策略,在实际应用中取得了满意的效果,最终确定叁相电力不平衡治理设备应用的经济性最优的解决方案.(本文来源于《物理通报》期刊2018年01期）
谷云东,张素杰,冯君淑[5]（2015）在《大用户电力负荷的多模型模糊综合预测》一文中研究指出研究大用户的短期电力负荷预测问题,给出一种基于变权综合模糊推理的多模型综合预测方法。该方法首先引入基于质心相似度聚类的负荷模式分析算法,挖掘历史负荷数据中合群的典型负荷模式,并按相似性进行分组,同时剔除少量的离群异常记录;然后给出基于共轭梯度的RBF神经网络训练算法,分别对每类典型负荷模式建立相应的单元预测模型;最后利用基于相似度加权的多模型变权综合模糊推理策略,实现各单元模型预测结果的自适应融合。案例仿真验证了多模型模糊综合预测方法的可靠性。(本文来源于《电工技术学报》期刊2015年23期）
高英[6]（2014）在《基于混合罚函数法综合优化模型的电力负荷预测研究》一文中研究指出电力系统负荷预测是电网规划的核心,如何更好的进行电力负荷预测,已经成为电力企业需要解决的首要任务。在电力系统负荷预测中,可选的预测模型种类很多,每种预测模型都是对实际负荷系统的简化和抽象,并从不同角度对电力负荷系统进行模拟。当对负荷系统进行模拟时,负荷的变量和参数由于外界条件的影响,其发展变化存在着不可预知的多变性和复杂性,具有一定的局限性。因此,不能确保在任何情况下,采用单一负荷预测模型对电力负荷进行预测都能取得较好的预测效果。所以,选择多种负荷预测模型成为进行电力系统负荷预测的重要手段。本文在分析电力负荷预测方法及原理的基础上,采取多种模型进行负荷预测。对负荷模型的特点、使用范围、计算方法等方面进行多方案对比分析,求出各个负荷预测模型的标准离差、相关度、拟合优度和相对误差,舍弃那些预测效果较差的模型,选择出预测精度较高的模型。并采用混合罚函数法作为最优约束条件,对选出的几种单一负荷预测模型进行优化改进,组合出一种新的预测模型——基于混合罚函数法综合优化预测模型。利用黑龙江省双城市和五常市两城区2001年至2010年的实际历史负荷数据,对新建立的模型与选取的单一负荷预测模型进行分析比较,验证了改进后的负荷预测模型精度比其它单一预测模型预测的精度高,说明了改进后的模型具有较好的实际意义和使用前景。本文针对已有的各种预测模型和新改进的预测模型,研发了相应的电力系统负荷预测软件,对选用的各种模型进行了仿真比较。本软件拥有良好的人机交互界面及强大的数据处理能力,便于研究人员使用,并且具有较好的工程使用价值。(本文来源于《东北农业大学》期刊2014-06-01）
周任军,周胜瑜,文明,赵慧材,申磊[7]（2013）在《考虑城市发展水平综合评分的城市电力负荷密度预测法》一文中研究指出针对负荷密度指标法计算量大、过程复杂、预测精度依赖于大量样本数据的问题,提出基于城市发展水平综合评分的预测法,采用主成分分析法计算城市发展水平综合评分指标,利用该指标和趋势外推技术预测城市的负荷密度值.通过对8个城市的负荷密度值及城市发展水平综合评分值做比较分析,预测其中某一城市的负荷密度值,结果表明预测计算过程简单方便,具有很好的预测效果.(本文来源于《电力科学与技术学报》期刊2013年02期）
韩肖清,姚岳[8]（2012）在《基于模糊综合评价的聚类分析在电力负荷建模中的应用》一文中研究指出阐述了在电力负荷建模中,统计综合法建模是以典型用户的选取为基础的,在此基础上,通过分析变电站综合负荷的构成以及用户设备容量比例,提出了基于模糊综合评价的聚类和模糊C均值聚类两种方法,并对某市工业典型用户进行分类,结果表明基于模糊综合评价的聚类分析能够克服模糊C均值聚类法中主观差异性对分类的影响,概念更为清晰,聚类结果更为合理。(本文来源于《山西电力》期刊2012年04期）
刘晓娟,方建安[9]（2012）在《综合权重的模糊时间序列的电力负荷预测方法》一文中研究指出电力负荷预测受诸多因素的影响,针对短期电力负荷的复杂性和不确定性,结合历史负荷数据,提出了一种综合权重的模糊时间序列预测方法。该方法首先对历史负荷数据进行预处理;然后利用模糊集和模糊时间序列的方法将历史负荷数据模糊化,考虑到负荷变化的趋势,借助于最优化理论给出了趋势权重,同时考虑到近期数据影响大于远期数据,给出了时间占优权重,从而得到了综合权重的模糊时间序列预测方法。最后的数值实验结果表明,该方法比传统的模糊时间序列方法具有更高的预测精度。(本文来源于《华东电力》期刊2012年04期）
吴钰,王杰[10]（2012）在《综合最优灰色支持向量机模型在季节型电力负荷预测中的应用》一文中研究指出季节型电力负荷同时具有增长性和波动性的二重趋势,使得负荷的变化呈现出复杂的非线性组合特征。对此,提出了一种综合最优灰色支持向量机预测模型,研究了同时考虑2种非线性趋势的复杂季节型负荷预测问题,说明了此优化模型分别优于2种单一负荷预测模型。在此基础上,对一般粒子群算法引入粒子速度自适应可调机制,并利用改进粒子群算法优化组合预测模型中的权值。对电力负荷预测应用实例的计算结果表明,该模型较大提高了季节型负荷预测的精度,具有较好的性能。(本文来源于《华东电力》期刊2012年01期）
电力负荷综合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
作为电力系统数字仿真的重要组成部分之一,电力负荷数学模型的准确性会直接影响系统仿真的结果。而由于负荷自身所具备的非线性、时变性、分散性等特点,使得有关其建模的研究进展缓慢,尤其是有关基于统计综合法的建模研究,已经明显处于落后的地位。随着我国经济发展与社会进步,电力系统的规模越来越大,对电网稳定运行与可靠性的要求也越来越高,电力负荷的容量与构成也正发生着巨大的变化。在这样的大背景下,研究建立能真实准确反映实际电网负荷的模型就成为了负荷建模研究领域的重点问题。本文以典型感应电动机的负荷数据为基础,采用机器学习的有关算法作为技术支撑,进行了基于统计综合法的负荷建模研究。本文首先就传统统计综合法建模中存在的缺陷提出了改进,引入层次凝聚聚类算法对以感应电动机为代表的电力负荷分类问题进行了研究,研究结果表明该算法可以有效对电力负荷按其特性进行分类,分类效果良好,符合预期结果。然后研究了将人工神经网络应用于负荷建模的有关问题,提出了一种改进的BP算法对网络训练过程进行了优化。改进的方面主要有两点,一是改固定的学习率为自适应学习率,使得算法自身可以根据学习的情况自适应地调节学习率,以提升学习效率,二是引入新的神经元激活函数,改善网络性能。测试结果显示,这一改进策略有效提升了算法的计算速度与精度。本文还分析了多项式形式和幂函数形式负荷静态模型的特点,对同一静态负荷曲线进行参数辨识,发现幂函数形式具有更好的优越性,更适合作为静态负荷模型。基于时下流行的TensorFlow框架,编写实现了人工神经网络搭建动态负荷模型,在进行模型建立时,首先利用统计得到的负荷数据计算得出负荷的动态特性数据,再用这些数据作为网络训练的样本对神经网络进行训练,训练完成后的神经网络即可以作为真实负荷的模型进行其他相关的数字仿真计算。验证计算的结果表明,本文提出的改进BP神经网络可以较好地完成动态负荷建模,得到的模型动态特性与原始负荷十分接近,是一种可行的负荷建模方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电力负荷综合论文参考文献
[1].吕何,孔政敏,陈培垠,刘晓帆.基于气象综合指数和加权LSSVM的短期电力负荷组合预测[J].电气应用.2019
[2].魏来.基于统计综合法的电力负荷建模方法研究[D].郑州大学.2019
[3].程红超.基于变权综合的电力负荷预测[D].华北电力大学(北京).2018
[4].黄毅.基于综合经济最优数学模型的电力负荷叁相不平衡的解决方案[J].物理通报.2018
[5].谷云东,张素杰,冯君淑.大用户电力负荷的多模型模糊综合预测[J].电工技术学报.2015
[6].高英.基于混合罚函数法综合优化模型的电力负荷预测研究[D].东北农业大学.2014
[7].周任军,周胜瑜,文明,赵慧材,申磊.考虑城市发展水平综合评分的城市电力负荷密度预测法[J].电力科学与技术学报.2013
[8].韩肖清,姚岳.基于模糊综合评价的聚类分析在电力负荷建模中的应用[J].山西电力.2012
[9].刘晓娟,方建安.综合权重的模糊时间序列的电力负荷预测方法[J].华东电力.2012
[10].吴钰,王杰.综合最优灰色支持向量机模型在季节型电力负荷预测中的应用[J].华东电力.2012
论文知识图
