基于數(shù)據(jù)挖掘的短期負(fù)荷預(yù)測(cè)

《基于數(shù)據(jù)挖掘的短期負(fù)荷預(yù)測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)：密級(jí)：UDC：學(xué)號(hào)：416114312105南昌大學(xué)專業(yè)學(xué)位研究生學(xué)位論文基于數(shù)據(jù)挖掘的短期負(fù)荷預(yù)測(cè)Short-termLoadForecastingBasedonDataMining王華培養(yǎng)單位（院、系）：信息工程學(xué)院指導(dǎo)教師姓名、職稱：楊胡萍教授指導(dǎo)教師姓名、職稱：曾冬生高級(jí)工程師專業(yè)學(xué)位種類：工程碩士專業(yè)領(lǐng)域名稱：電氣工程論文答辯日期：2014年5月28日答辯委員會(huì)主席：評(píng)閱人：年月日萬(wàn)方數(shù)據(jù)學(xué)位論文獨(dú)創(chuàng)性聲明一、學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知

2、，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南昌大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名（手寫）：簽字日期：年月日二、學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解南昌大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)南昌大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃

3、描等復(fù)制手段保存、匯編本學(xué)位論文。同時(shí)授權(quán)北京萬(wàn)方數(shù)據(jù)股份有限公司和中國(guó)學(xué)術(shù)期刊（光盤版）電子雜志社將本學(xué)位論文收錄到《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》和《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表，并通過網(wǎng)絡(luò)向社會(huì)公眾提供信息服務(wù)，同意按“章程”規(guī)定享受相關(guān)權(quán)益。學(xué)位論文作者簽名（手寫）：導(dǎo)師簽名（手寫）：簽字日期：年月日簽字日期：年月日論文題目姓名學(xué)號(hào)論文級(jí)別博士□碩士■院/系/所專業(yè)聯(lián)系電話E_mail通信地址(郵編)：備注：□公開□保密（向校學(xué)位辦申請(qǐng)獲批準(zhǔn)為“保密”，年月后公開）萬(wàn)方數(shù)據(jù)摘要摘要電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系

4、統(tǒng)的重要工作之一，高精度的預(yù)測(cè)需要用優(yōu)秀的預(yù)測(cè)模型和預(yù)測(cè)方法來(lái)保證而且還要全面考慮影響因素。近些年來(lái)，專家學(xué)者們提出了很多把智能算法應(yīng)用到電力系統(tǒng)負(fù)荷預(yù)測(cè)中的實(shí)例，也有幾種智能算法結(jié)合使用的情況，使得電力系統(tǒng)負(fù)荷預(yù)測(cè)得到了快速的發(fā)展，預(yù)測(cè)精度也有大幅度的提高。本文將數(shù)據(jù)理論引入電力系統(tǒng)負(fù)荷預(yù)測(cè)中，使用數(shù)據(jù)挖掘中相關(guān)算法構(gòu)造短期負(fù)荷預(yù)測(cè)模型。數(shù)據(jù)挖掘理論是一個(gè)相對(duì)較新鮮的概念，近幾年才慢慢應(yīng)用于電力系統(tǒng)的相關(guān)方面，使用數(shù)據(jù)挖掘理論中相關(guān)算法對(duì)負(fù)荷數(shù)據(jù)進(jìn)行分析和整合，而不是只使用單一方法對(duì)數(shù)據(jù)進(jìn)行的分析與預(yù)測(cè)，這樣可以更好對(duì)各個(gè)算

5、法比較，得出負(fù)荷預(yù)測(cè)較優(yōu)算法。本文使用數(shù)據(jù)挖掘中的多元線性回歸、逐步回歸、神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，還采用了層次分析法，而且還將非常經(jīng)典的模擬退火引入到神經(jīng)網(wǎng)絡(luò)模型中，本文在考慮負(fù)荷預(yù)測(cè)影響因素時(shí)不僅考慮了歷史負(fù)荷數(shù)據(jù)，還考慮了溫度的影響，創(chuàng)新的地方在于考慮了PM2.5，最后再結(jié)合算例進(jìn)行驗(yàn)證，即可得到預(yù)測(cè)比較結(jié)果。結(jié)果表明，預(yù)測(cè)精度完全滿足要求，并且各算法所得誤差平方和對(duì)比之后就能得出所采用算法當(dāng)中的最優(yōu)預(yù)測(cè)算法。關(guān)鍵詞：負(fù)荷預(yù)測(cè)；數(shù)據(jù)挖掘；層次分析；神經(jīng)網(wǎng)絡(luò)I萬(wàn)方數(shù)據(jù)ABSTACTABSTACTPowersystemshort-t

6、ermloadforecastingisoneoftheimportantworksofthe powersystem,highprecisionofpredictionneedgoodpredictionmodelandthe predictionmethodtoguaranteebutalsotoconsiderallfactors.Inrecentyears, expertsandscholarsputforwardmanyoftheintelligentalgorithmisappliedtopower systeml

7、oadforecastingexample,therearealsoseveralintelligentalgorithmsusedin combination,makeobtainedtherapiddevelopmentofpowersystemloadforecasting, predictionaccuracyhasimprovedsignificantly.Thispaperintroducesthetheoryof datainthepowersystemloadforecasting,theuseofshort-

8、termloadforecasting algorithmsindataminingstructuremodel.Dataminingtheoryisarelativelynewconcept,inrecentyearsgraduallyapplied inthereleva