基于小波聚类和WNN模型融合的短期负荷预测研究-电力系统及其自动化专业论文.docxVIP

摘要电力负荷预测对于电力系统的调度和规划都是非常重要的。从一小时到几天不等的 摘要 电力负荷预测对于电力系统的调度和规划都是非常重要的。从一小时到几天不等的 负荷预测是电力企业安全性、可靠性运行的重要依据，是系统运营最小费用的重要保证。 在过去几十年中，众多学者在该领域展开了深入的研究工作并且取得了巨大的进展。今 天，一些负荷预测技术诸如：神经网络、灰色系统、专家系统、混沌理论等等，都对该 领域产生不小的影响。 小波分析是近年来发展起来的用于信号分析的数学工具。它已经被成功应用于数据 压缩、信号与图像处理、地震和气象预报等领域。与此同时，基于小波概念的负荷预报 方法也表现出不同以往其它预测技术的优越性。 众所周知，负荷数据分类对于负荷预测精度具有重要影响。本文首次研究了两种基 于小波分解的负荷聚类技术。第一种方法的依据是快速小波分解和K心N结合的聚类原 理，仿真结果表明该方法可有效减少聚类的输入空间维数。第二种方法是基于小波分解 原理和不连续突变点的聚类分析方法，在分类后的负荷数据能反映出负荷的季节变化规 律。 本文提出了基于小波分解聚类特征的小波神经网络，并对不同负荷特性曲线的负荷 预测性能进行了研究，结果表明小波函数非常适合电力负荷曲线的逼近。在网络结构相 同的情况下，小波神经网络的预测精度能够超过BP神经网络。实验也同时表明：小波 神经网络具有比一般多层前馈神经网络更加良好的泛化性能和学习收敛性能。 关键诃：短期负荷预测、小波分解、Kohonen神经网络、小波聚类方法、小波神经网 络、不连续点 ABSTInCTPower ABSTInCT Power system load forecasting is very important for power system dispatch and planning． 111e precision of the short-term load forecasting with lead times rangmg from one hour to several days ahead is a significant foundation on the security and reliability of any electrical utility and is a significant asSurance on the minimal cost of power system operation．In past years，many scholars have deeply studied in this field with some new theories and made great progresses．Today lots of New load forecast techniques，such as neural network，grey theory, expert system，chaos theory etc，exert influence on load forecasting field． nle wavelet transform is a recently developed mathematical t001．which is used in signal analysis．It has been applied successfully in data compression，signal and image processing， weather and earthquake prediction and SO on．As the same lime．the new 10ad forecast technique based the concept ofwavelet gradually gain the advantage over those techniques． It’S a11 known that the eharacteristie clasSification of load data iS very important to the load prediction accuracy．So two kinds of clustering techniques based on wavelet decompositions are studied first and are implemented in this paper．nle first method bases on both the fast wavelet decompositions for load series and input vector ofKo