變權(quán)系數(shù)組合預(yù)測模型在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用研究.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃與運(yùn)行的基礎(chǔ)，是電力市場運(yùn)作中的重要組成部分。在電力市場化過程中，負(fù)荷預(yù)測的精度直接關(guān)系到各方利益。目前，負(fù)荷預(yù)測的模型很多，單項模型不能完全反映電力負(fù)荷的變化規(guī)律和信息，負(fù)荷組合預(yù)測模型成為研究新發(fā)展。 本文通過對電力負(fù)荷預(yù)測內(nèi)涵、特點和常用的幾種負(fù)荷預(yù)測方法進(jìn)行了詳細(xì)的介紹，論述了組合預(yù)測的概念和意義，引入了定權(quán)組合預(yù)測模型，介紹了幾種常見的定權(quán)模型確定權(quán)系數(shù)的方法，并對定權(quán)組合預(yù)測模型進(jìn)行了仿

2、真，驗證了組合預(yù)測模型相對單項模型的優(yōu)越性。另外，本文重點討論了三種變權(quán)組合預(yù)測模型，即基于神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型、基于支持向量機(jī)的組合預(yù)測模型以及模糊變權(quán)重組合預(yù)測模型，并對各種變權(quán)重組合預(yù)測模型進(jìn)行了仿真研究，驗證了變權(quán)組合預(yù)測模型的優(yōu)越性。 本文提出了一種提高神經(jīng)網(wǎng)絡(luò)預(yù)測可靠性的新方法，將目前常用的三種神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行變權(quán)組合，可以避免單個神經(jīng)網(wǎng)絡(luò)出現(xiàn)“過擬合”現(xiàn)象等問題時預(yù)測精度大幅度降低的風(fēng)險，提高了預(yù)測的可靠性

3、。為提高負(fù)荷預(yù)測精度，本文給出了一種五層模糊神經(jīng)網(wǎng)絡(luò)的變權(quán)組合預(yù)測模型，模糊神經(jīng)網(wǎng)絡(luò)的輸入為誤差和誤差變化率，輸出為權(quán)重系數(shù)。該模型將模糊邏輯和神經(jīng)網(wǎng)絡(luò)的長處融合在一起，使模糊推理和解模糊均通過神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。仿真結(jié)果表明此模型比模糊變權(quán)重組合預(yù)測模型具有更高的預(yù)測精度。 針對神經(jīng)網(wǎng)絡(luò)在輸入變量選擇問題上存在的缺陷，本文提出不考慮影響負(fù)荷的所有因素，僅用混沌理論處理后的負(fù)荷樣本作為神經(jīng)網(wǎng)絡(luò)的輸入。但是這種不考慮影響因素的方法不能