分时电价模型的负荷预测、聚类分析及模的研究(何晓磊).pptVIP

分时电价模型的负荷预测、聚类分析及建模的研究 答辩人:　何晓磊 导　师:　井元伟教授 目录 绪论 绪论 绪论 绪论 建立分时电价数学模型的步骤: (1) 得到精准的电力负荷预测数据. (2) 对一天内24小时进行多目标规划模糊聚类分析研究,判断峰,平,谷各区间所包含时段. (3) 利用已得到的平时电价与电力负荷预测数据建立分时电价数学模型,从而判断分时电价后的各时段电力负荷数据与削峰填谷效果. 构建电力负荷预测组合模型 问题的提出: 单一的神经网络方法很难解决实际问题.这是因为客观实际中的复杂系统,无论采用时间序列方法,神经网络方法中的任何一种模型都难以达到理想的预测效果.不同的预测方法提供的信息并不完全相同,其预测的精度也并不相同,如果仅仅选取预测误差最小的结果作为最终的预测结果,简单地将预测误差较大的结果舍弃掉,势必会造成信息的损失和浪费.科学的做法是:对复杂系统进行预测时,从不同角度建立各种不同的预测模型,而后基于这些各具特点的预测模型建立一个不同于这些模型的协调模型,这就是组合模型的思想. 构建电力负荷预测组合模型 所解决问题 (1) 针对BP网络存在训练速度慢时间长的缺点,采用LM算法来解决BP网络的缺陷和不足. (2) BP网络有一个或多个隐含层,隐层数的选择在神经网络的应用中也是一个复杂的问题.通过采用神经网络与遗传算法相结合的方法来解决.通过反复的截取不同的隐含层节点数来得到所对应的预测结果,再将这些所得到的结果,利用多项式拟合后用遗传算法进行寻优处理,来求取最优的电力负荷预测数据.从而,寻取最优的隐含层问题通过两种智能算法的有效结合得以解决. 构建电力负荷预测组合模型 组合预测模型: (1)将预测数据根据LM算法以不同的隐含层数目在BP网络中进行模拟预测，得到多组预测数据. 传统BP网络算法采用梯度下降法调整权值: 构建电力负荷预测组合模型 (2) 将这几组数据用多项式拟合成一条函数，则接近真实值的数据必然将在这条函数之中。 多项式拟合原理: 构建电力负荷预测模型 在预测的前一天中,每隔2个小时对电力负荷进行一次测量,这样一来,一天共测得12组负荷数据。由于负荷值曲线相邻的点之间不会发生突变，因此后一时刻的值和必然和前一时刻有关，除非出现重大事故等特殊情况.所以这里将前一天的实时负荷数据作为网络的样本数据. 用7月10-13日的前半天负荷数据来预测14日的前半天负荷数据,得到的负荷数据如图所示 构建电力预测负荷模型 模糊聚类分析的改进算法 (1) 选择统计指标:根据实际问题,选择那些有明确的意义,有较强的分辨力和代表性的特征作为分类事物的统计标准. (2) 数据的规格化:由于m个特性指标的量纲和数量级都不相同, 为了消除特性指标单位的差别和特性指标数量级不同的影响,必须对各指标值施行数量规格化,从而使得每一指标统一于某种共同的数量特性范围. 一般常采用数量标准化: 模糊聚类分析的改进算法 然后运用级值标准化公式,将标准化数据压缩至[0,1]闭区间内,标准化公式具体形式如下: 模糊聚类分析的改进算法 相似系数 模糊聚类分析的改进算法 按行搜索数组A[n][2],当搜索到非1时,停止搜索.并将第二行所对应的数据存入b[1]中,并将这些数据在B[n][2]中第一行搜索,将第二行新出现的数据存入b[1]中 令g为非b[1]中的元素取起,重复以上步骤 如g=n,则得到b[n] 最后根据得到b[n]数可知分类结果. 模糊聚类分析的改进算法 以某地区2001年的特殊节假日（“五一”，国庆，元旦以及春节）负荷预测为例，应用本文所提出的算法对其进行聚类分析 模糊聚类分析的改进算法 当 设计峰谷分时电价的数学模型 把电力价格的变化率对市场需求变化率影响一起考虑时，就产生了电力需求的价格弹性问题。其涵义如下： 电力需求的价格弹性系数=对电力需求量变化的百分比/电价变动的百分比。 运用公式如下： 设计峰谷分时电价的数学模型 基本假设: (1) 实行分时电价前后每天的总用电量保持不变：根据国外实行需求侧管理的经验实行需求侧管理后，一般用电量略有增加或基本保持不变，因而假定实行分时电价前后用电量保持不变是合理的。 (2)调整到某一时段的电量按时间轴平均分配。 (3)文中只考虑了价格对用户需求的影响，其他因素的影响需进一步研究；同样文中只考虑了用户需求对价格的影响，其他因素（如燃料价格）对价格的影响暂时忽略。 设计峰谷分时电价的数学模型 (4)分时电价后峰谷电量比近似为1.以以往的经验来看，这样假设是合理的.当然我们也可以根据历史数据近似求得,根据以往经验,峰谷电量比率变化较小. (5)电力需求价格弹性系数在一定范围