資源描述：
《基于粒子群優(yōu)化模糊推理的短期電力負(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、國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：029國(guó)際圖書(shū)分類(lèi)號(hào)：51理學(xué)碩士學(xué)位論文學(xué)校代碼：10079密級(jí)：公開(kāi)基于粒子群優(yōu)化模糊推理的短期電力負(fù)荷預(yù)測(cè)碩士研究生：導(dǎo)師：申請(qǐng)學(xué)位：學(xué)科：專(zhuān)業(yè)：所在學(xué)院：答辯日期：授予學(xué)位單位：胡芳芳谷云東副教授理學(xué)碩士數(shù)學(xué)應(yīng)用數(shù)學(xué)數(shù)理學(xué)院2013年3月9日華北電力大學(xué)ClassifiedIndex：029U．D．C：51DissertationfortheMaster’SDegreeinScienceShortTermLoadForecastingBasedonParticleCandidate：SwarmOptimizedFuz
2、zyInferenceSupervisor：AcademicDegreeAppliedfor：Specialty：School：DateofDefence：HuFangfangAssociateProf．GuYundongMasterofScienceAppliedMathematicsSch001ofMathematicsMarch9，2013Degree_-Conferring—-Institution：NorthChinaElectricPowerUniversity華北電力大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位
3、論文《基于粒子群優(yōu)化模糊推理的短期電力負(fù)荷預(yù)測(cè)》，是本人在導(dǎo)師指導(dǎo)下，在華北電力大學(xué)攻讀碩士學(xué)位期間獨(dú)立進(jìn)行研究基于粒子群優(yōu)化模糊推理的短期電力負(fù)荷預(yù)測(cè)工作所取得的成果。據(jù)本人所知，論文中除已注明部分外不包含他人已發(fā)表或撰寫(xiě)過(guò)的研究成果。對(duì)本文的研究工作做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式注明。本聲明的法律結(jié)果將完全由本人承擔(dān)。作者躲翻劣日期：沙I多年哆月l1日華北電力大學(xué)碩士學(xué)位論文使用授權(quán)書(shū)《基于粒子群優(yōu)化模糊推理的短期電力負(fù)荷預(yù)測(cè)》系本人在華北電力大學(xué)攻讀碩士學(xué)位期間在導(dǎo)師指導(dǎo)下完成的碩士學(xué)位論文。本論文的研究成果歸華北電力
4、大學(xué)所有，本論文的研究?jī)?nèi)容不得以其它單位的名義發(fā)表。本人完全了解華北電力大學(xué)關(guān)于保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)部門(mén)送交論文的復(fù)印件和電子版本，允許論文被查閱和借閱，學(xué)校可以為存在館際合作關(guān)系的兄弟高校用戶提供文獻(xiàn)傳遞服務(wù)和交換服務(wù)。本人授權(quán)華北電力大學(xué)，可以采用影印、縮印或其他復(fù)制手段保存論文，可以公布論文的全部或部分內(nèi)容。本學(xué)位論文屬于(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“4”)：保密口，在年解密后適用本授權(quán)書(shū)不保密∥作者簽名：導(dǎo)師簽名：詡名身心胗吞聾日期：弘l多年弓月。1日日期：-20f；年弓月f／日摘要摘要短期電力負(fù)荷預(yù)測(cè)在電力系統(tǒng)
5、中起著至關(guān)重要的作用。本文針對(duì)短期電力負(fù)荷預(yù)測(cè)，給出一種基于自適應(yīng)分解和粒子群優(yōu)化多模型綜合模糊推理的負(fù)荷預(yù)測(cè)方法。該方法首先討論電力負(fù)荷及其變化的規(guī)律性，利用快速傅立葉變換將原始負(fù)荷數(shù)據(jù)分解為反映隨機(jī)變化的高頻部分和反映趨勢(shì)規(guī)律性的低頻部分。接著，根據(jù)隨機(jī)因素所占比例定義描述局部負(fù)荷變化情況的隨機(jī)性指標(biāo)，并依據(jù)該指標(biāo)確定預(yù)測(cè)系統(tǒng)的輸入向量。隨后，考慮到負(fù)荷變化規(guī)律的時(shí)段差異性，采用聚類(lèi)分析方法將負(fù)荷預(yù)測(cè)時(shí)刻分為若干模糊分區(qū)。進(jìn)一步，利用支持向量機(jī)對(duì)各區(qū)段分別建立區(qū)段預(yù)測(cè)子模型。最后，將多模型綜合預(yù)測(cè)過(guò)程描述成一組模糊推理規(guī)則，依據(jù)輸入向量
6、與各核心支持向量的距離確定模糊綜合推理中各子模型預(yù)測(cè)輸出的權(quán)重，并利用粒子群方法優(yōu)化預(yù)測(cè)系統(tǒng)的參數(shù)，得到完整的自適應(yīng)分區(qū)多模型綜合模糊推理的短期電力負(fù)荷預(yù)測(cè)模型。模糊邏輯系統(tǒng)側(cè)重于自然語(yǔ)言的理解，粒子群是一種建立在模擬鳥(niǎo)群捕食行為上的智能搜索算法，粒子群優(yōu)化模糊推理的預(yù)測(cè)方法正是綜合了兩者優(yōu)勢(shì)的一種混合智能系統(tǒng)。在已知?dú)v史負(fù)荷的情形下，利用本研究方案對(duì)未來(lái)負(fù)荷時(shí)間序列做出預(yù)估，比利用分區(qū)支持向量機(jī)模型的方案具有更好的穩(wěn)定性和泛化能力。最后本文采用局地電力負(fù)荷預(yù)測(cè)實(shí)驗(yàn)證明了這一點(diǎn)。關(guān)鍵詞：短期負(fù)荷預(yù)測(cè)：頻域分解；支持向量機(jī)；粒子群算法；模糊推
7、理華北電力大學(xué)碩士學(xué)位論文AbstractShorttermloadforecastingplaysavitalroleinthepowersystem．Anintelligentforecastingmethodforlocalshorttermelectric10adisproposedbasedonadaptiveloaddecompositionandparticleswarmoptimizedmulti．modelsynthesisfuzzyinference．Firstly,theregularityoflocalloadisa
8、nalyzed．TheoriginalloaddataisdecomposedintotwosectionsbyusingFastFourierTransformation．on
