資源描述:
《基于回聲狀態(tài)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)研究》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、TM715公開中圖分類號(hào);密級(jí):UDC::本校編號(hào)續(xù)W交遠(yuǎn)乂#碩±學(xué)位論文^人叩,4論文題目;:基于回聲狀態(tài)網(wǎng)絡(luò)的屯力負(fù)茍P預(yù)測(cè)研究?—■——^研究生姓名0212417:李青學(xué)號(hào);學(xué)校指導(dǎo)教師姓名:李罕職職:教授工學(xué)碩壬學(xué)位專業(yè)控制理論與控制工程申請(qǐng)學(xué)位等級(jí):?。玻埃保担В椋?,12論文答辯日期2015.6.8論文提交日期::-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)行的研究工作和取得的研究成栗,除了文中特別加斜標(biāo)注和致謝之處外,論文中不包含其他人己經(jīng)發(fā)表或
2、撰寫過(guò)的研。究成果,也不包含獲得蘭州巧通大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)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)均己在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文作者簽名簽字日期這備月/^日學(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蘭州交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特巧權(quán)蘭州巧通大學(xué)可liU每學(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,并采用影印、縮印或掃描等復(fù)制手段保存、匯編W共查閱和借閲。同意學(xué)校向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。(保密的學(xué)位論文在解密后適用本授權(quán)說(shuō)明)學(xué)位論文作者簽名:
3、;導(dǎo)師簽名節(jié):《言^一1案;日簽日月日簽字日期^年月/字期年T((了碩士學(xué)位論文基于回聲狀態(tài)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)研究PowerLoadForecastingBasedonEchoStateNetwork作者姓名:李青學(xué)科、專業(yè):控制理論與控制工程學(xué)號(hào):0212417指導(dǎo)教師:李軍教授完成日期:2015年4月18日蘭州交通大學(xué)LanzhouJiaotongUniversity蘭州交通大學(xué)碩士學(xué)位論文摘要負(fù)荷預(yù)測(cè)對(duì)于電力部門有計(jì)劃地制定電網(wǎng)規(guī)劃至關(guān)重要,歷史的電力負(fù)荷值受溫度、季節(jié)等諸多因素的影響,可看作為具有強(qiáng)非線性和非平穩(wěn)特性的復(fù)雜非線性時(shí)間序列。目前,神經(jīng)網(wǎng)
4、絡(luò)、支持向量機(jī)等單一的計(jì)算智能方法是主要的電力負(fù)荷預(yù)測(cè)工具?;芈暊顟B(tài)網(wǎng)絡(luò)(echostatenetworks,ESN)作為一種新的動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò),已引起研究者的廣泛關(guān)注,并且已經(jīng)應(yīng)用于電力負(fù)荷預(yù)測(cè)中。與常規(guī)的遞歸神經(jīng)網(wǎng)絡(luò)相比,它在網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練時(shí)只需計(jì)算網(wǎng)絡(luò)輸出權(quán)值,具有很強(qiáng)的動(dòng)態(tài)逼近能力。因此,其具有計(jì)算簡(jiǎn)單有效、收斂速度快的優(yōu)點(diǎn)。經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalModeDecomposition,EMD)作為一種自適應(yīng)的信號(hào)分解方法,可實(shí)現(xiàn)對(duì)復(fù)雜非平穩(wěn)負(fù)荷序列進(jìn)行分解,有助于準(zhǔn)確地把握負(fù)荷序列的內(nèi)在變化規(guī)律,進(jìn)而有效地提高負(fù)荷預(yù)測(cè)精度。因此,EMD方法作為一種自適應(yīng)
5、的信號(hào)處理方法,已成功地應(yīng)用于負(fù)荷預(yù)測(cè)。在ESN和EMD的基礎(chǔ)上,給出互補(bǔ)型集成經(jīng)驗(yàn)?zāi)B(tài)分解(ComplementaryEnsembleEmpiricalModeDecomposition,CEEMD)-模糊熵(FuzzyEntropy,FE)結(jié)合泄漏積分回聲狀態(tài)網(wǎng)絡(luò)(EchoStateNetworkwithLeakyIntegratorNeurons,LiESN)的短期組合預(yù)測(cè)方法以及具有自適應(yīng)白噪聲的完整集成經(jīng)驗(yàn)?zāi)B(tài)分解(CompleteEnsembleEmpiricalModeDecompositionwithadaptivenoise,CEEMDAN)-排列熵(
6、PermutationEntropy,PE)結(jié)合LiESN的中期峰值組合預(yù)測(cè)方法,取得了不錯(cuò)的預(yù)測(cè)效果。本文的主要研究?jī)?nèi)容如下:(1)研究ESN網(wǎng)絡(luò)及相應(yīng)的學(xué)習(xí)算法,在此基礎(chǔ)上進(jìn)一步研究了LiESN網(wǎng)絡(luò),同時(shí),為提高網(wǎng)絡(luò)的推廣性,將嶺回歸學(xué)習(xí)算法應(yīng)用于其網(wǎng)絡(luò)的輸出權(quán)值求解中。(2)研究EMD和集成經(jīng)驗(yàn)?zāi)B(tài)分解(EnsembleEmpiricalModeDecomposition,EEMD)信號(hào)處理方法,在此基礎(chǔ)上,為提高信號(hào)分解的完整性,進(jìn)一步研究了CEEMD和CEEMDAN方法;為降低組合預(yù)測(cè)的計(jì)算規(guī)模,還將PE和FE用于本征模態(tài)分量(IntrinsicModelFu
7、nction,IMF)序列的復(fù)雜度評(píng)估中。(3)給出基于CEEMD-FE和LiESN的組合預(yù)測(cè)方法,將其應(yīng)用于美國(guó)新英格蘭地區(qū)的短期電力負(fù)荷預(yù)測(cè)實(shí)例中;給出基于CEEMDAN-PE和LiESN的組合預(yù)測(cè)方法,將其分別應(yīng)用于歐洲智能網(wǎng)和美國(guó)新英格蘭地區(qū)的中期峰值電力負(fù)荷預(yù)測(cè)實(shí)例中。通過(guò)與現(xiàn)有方法的實(shí)驗(yàn)結(jié)果比較驗(yàn)證了所提出的組合預(yù)測(cè)方法的有效性。關(guān)鍵詞:回聲狀態(tài)網(wǎng)絡(luò);經(jīng)驗(yàn)?zāi)B(tài)分解;電力負(fù)荷預(yù)測(cè);組合預(yù)測(cè)模型論文類型:應(yīng)用基礎(chǔ)研究-I-基于回聲狀態(tài)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)研究AbstractPowerloadforecastingiscritical