基于Copula相關(guān)結(jié)構(gòu)的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法研究.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測(cè)對(duì)于掌握負(fù)荷發(fā)展趨勢(shì)、主動(dòng)配電網(wǎng)優(yōu)化調(diào)度、促進(jìn)可再生能源消納以及保證電網(wǎng)安全經(jīng)濟(jì)可靠運(yùn)行具有重要意義，其中超短期負(fù)荷預(yù)測(cè)在電力系統(tǒng)預(yù)防性控制、緊急狀態(tài)處理等方面發(fā)揮著中重要作用。因此，超短期負(fù)荷預(yù)測(cè)精度和效率的提高一直是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)問(wèn)題。
　　在電力系統(tǒng)超短期負(fù)荷預(yù)測(cè)模型的輸出與各輸入之間的相關(guān)性分析方面，針對(duì)傳統(tǒng)線性相關(guān)系數(shù)法，只能反映變量之間存在的線性相關(guān)關(guān)系，無(wú)法表征它們之間存在的非線性相關(guān)關(guān)系，且使

2、用條件具有一定的局限性，本文提出了采用Copula相關(guān)結(jié)構(gòu)對(duì)其進(jìn)行分析描述，其中Copula相關(guān)結(jié)構(gòu)的建立主要包括邊緣分布函數(shù)的建立、Copula函數(shù)中未知參數(shù)估計(jì)以及最優(yōu)Copula函數(shù)的選擇。
　　在預(yù)測(cè)模型和方法方面，本文結(jié)合熵權(quán)理論和灰色關(guān)聯(lián)度理論，基于日特征氣象數(shù)據(jù)和日星期類型，提出了采用加權(quán)灰色關(guān)聯(lián)度法進(jìn)行相似日的選擇。針對(duì)已有預(yù)測(cè)方法中，相關(guān)性分析只用作模型輸入的選擇，并未用在預(yù)測(cè)模型中，本文基于所提出的Copula

3、相關(guān)結(jié)構(gòu)并結(jié)合混合罰函數(shù)法，提出新的預(yù)測(cè)方法(Copula預(yù)測(cè)法)，并說(shuō)明了新方法預(yù)測(cè)誤差產(chǎn)生的原因和適用場(chǎng)景。
　　同時(shí)，作為Copula預(yù)測(cè)法的對(duì)比，本文實(shí)現(xiàn)了支持向量回歸機(jī)和灰色模型預(yù)測(cè)法，其中在SVR參數(shù)優(yōu)化選取方面，本文基于Libsvm工具箱，以最小化K折交叉驗(yàn)證誤差為目標(biāo)，在控制不敏感損失參數(shù)ε的基礎(chǔ)上，分別采用網(wǎng)格搜索法、遺傳算法和自適應(yīng)權(quán)值粒子群算法對(duì)支持向量回歸機(jī)模型參數(shù)中的懲罰因子C和核參數(shù)g進(jìn)行優(yōu)化選取。

4、r>　　通過(guò)超短期負(fù)荷預(yù)測(cè)算例分析證明，在預(yù)測(cè)精度方面，本文提出的Copula預(yù)測(cè)法和基于Libsvm工具箱的改進(jìn)SVR(APSO-SVR、GA-SVR)法的預(yù)測(cè)精度明顯高于基于Libsvm工具箱的傳統(tǒng)SVR(網(wǎng)格搜索法)法以及GM(1，1)模型;在預(yù)測(cè)效率方面，線上預(yù)測(cè)速度一致，但是線下訓(xùn)練時(shí)間，Copula預(yù)測(cè)法遠(yuǎn)小于基于Libsvm工具箱的改進(jìn)SVR算法（主要是因?yàn)閮?yōu)化算法進(jìn)行選取參數(shù)時(shí)間較長(zhǎng)，運(yùn)行速度較慢，但若隨意設(shè)置參數(shù)，則會(huì)