版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、江南大學(xué)碩士學(xué)位論文基于多模型的短期電價(jià)預(yù)測(cè)姓名:胡峰申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):控制理論與控制工程指導(dǎo)教師:彭力20080601AbstractAbstractAtpresent,theelectricityindustryintheworld—wideisundergoingprofoundchangesThereformofthepowerindustryistoimprovetheefficiencyofelectricitypro
2、ductionrationalizethetariffformationmechanismprovidehighqualitysafepowerproducts,andpromotethepowerindustryitselfhealthydevelopmentandfinallyteformtheentiresocietyforthebettereconomicandsocialefficiencyThereformoftheelec
3、tricitymarketisthecurrentworldtrendofthedevelopmentofelectricpowerindustryinpowerandinternationalscientificresearchandengineeringpracticehotspots,whilethemostimportantandmostcriticalpartispricedeterminationintheelectrici
4、tymarketPriceisnotonlytheelectricitymarketsupplyanddemandsignals,butalsocontroloftheelectricitymarkettransactionsasaneconomicleverTherefore,howtodeterminethecorrespondingtariffreasonablyaccordingtothemarketdemanddirectly
5、affectsthenormalelectricitymarketopermionHowtheelectricitymarketinaccordancewiththerelevanthistoricaldatatoforecastthefuturemarketclearingpriceaccuratelyisverysignificantforparticipantsinthemarketTheloadofthepowersystemi
6、satime—series,aswellastheprice,andtheoreticallyallthemethodsforloadforecastingCanbeusedforelectricitypriceforecast,eg,timeseries,artificialneuralnetwork,markovchain,waveletanalysis,combinedmodelandSOonHoweverduetothepric
7、echaracteristicsofthetendencyseasonalityheteroscedaticityandotherinherent,itmakestheforecastelectricitypriceforecastingmuchmoredifficultthanloadforecastingmethodsAndthecurrentmethodsarenotsatisfactoryindependently1Throug
8、hfurtherstudyoftheneuralnetworkandtime—series,basedonthecharacteristicsofshorttermprice,weproposedmulti—modelshort—termpriceforecastingmethodswithcombinationoftimesequenceandtheneuralnetworkThesemethodscreatedshorttermti
9、me—seriespriceforecastingmodels,andmodeledandanalyzedPJMelectricitymarketdataandthentooktheresultoftimeseriesmodelforecastsastheinputsignaloftheneuralnetworkfortrainingThroughtheexamplesofanalysisonPJMelectricitymarket,t
10、hecompositionofthemodelpredictedwell,whichhavegreatlyenhancedtheaccuracyofshorttermpriceforecastsThemethodshavebeenvalidatedtobeefficiencywiththemodelandthushaveagoodprospect2Basedonthecharacteristicsofelectricitywiththe
11、ideaoftheperiod—decoupled,weproposedperiod—decoupledbasedshort—termtimeseriespriceforecastingmethodThemainprincipleisasfollows:analyzethesequenceofelectricityindifferenttimeandestablishdifferenttimeseriesmodelrespectivel
12、yThroughtheexamplesofanalysisonPJMelectricitymarket,thecompositionofthemodelpredictedwellwhichhavegreatlyenhancedtheaccuracyofshorttermpriceforecastsThemethodshavebeenvalidatedtobeefficiencywiththemodelandthushaveagoodpr
13、ospect3Basedonthedifferencebetweenpowerpriceandload,wetooktheaverageabsolutepercenterrorMAPEasamodelofevaluationindicators,whichcanbetterreflecttheaccuracyoftheforecastedresultsTheeffectiveofMAPEarewellverifiedbyanalyzin
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于云模型的短期電價(jià)預(yù)測(cè)的研究.pdf
- 短期邊際電價(jià)預(yù)測(cè)模型研究.pdf
- 基于ARMA-GARCH模型的短期電價(jià)預(yù)測(cè).pdf
- 電力市場(chǎng)短期電價(jià)預(yù)測(cè)模型及研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短期電價(jià)預(yù)測(cè).pdf
- 基于時(shí)間序列方法的短期電價(jià)預(yù)測(cè).pdf
- 電力市場(chǎng)環(huán)境下的短期電價(jià)混合預(yù)測(cè)模型
- 智能電網(wǎng)環(huán)境下的短期電價(jià)預(yù)測(cè)研究.pdf
- 支持向量機(jī)模型改進(jìn)及在短期邊際電價(jià)預(yù)測(cè)中的應(yīng)用.pdf
- 基于云計(jì)算和BP神經(jīng)網(wǎng)絡(luò)的短期電價(jià)預(yù)測(cè)研究.pdf
- 智能電網(wǎng)環(huán)境下的短期電價(jià)預(yù)測(cè)研究
- 基于灰色預(yù)測(cè)模型的短期交通流預(yù)測(cè)研究.pdf
- 短期電價(jià)預(yù)測(cè)及電能質(zhì)量定價(jià)研究.pdf
- 帶置信區(qū)間的短期電價(jià)預(yù)測(cè)方法.pdf
- 電力市場(chǎng)條件下的短期電價(jià)預(yù)測(cè)研究.pdf
- 基于組合預(yù)測(cè)模型的超短期大波動(dòng)負(fù)荷預(yù)測(cè).pdf
- 超短期電力負(fù)荷預(yù)測(cè)的多模型極限學(xué)習(xí)算法.pdf
- 基于深度遷移模型的短期風(fēng)速預(yù)測(cè).pdf
- 利用混沌時(shí)間序列預(yù)測(cè)技術(shù)進(jìn)行電力市場(chǎng)短期電價(jià)預(yù)測(cè).pdf
- 基于多尺度分解和混沌理論的風(fēng)電功率短期預(yù)測(cè)模型研究.pdf
評(píng)論
0/150
提交評(píng)論