近年來,隨著我國經濟的快速發展,人們對電網運行水平提出了更高的要求,大規模的降損措施被應用到電網,對于改善電源浪費起到了積極作用。再者,隨著全球能源危機的加劇,十二五計劃提出堅持把建設資源節約型、環境友好型社會作為加快轉變經濟發展方式的重要著力點。為了積極響應黨中央的政策,建立節約型社會,最大限度地降低電能在傳輸過程中產生的損耗,開展線損預測研究變得尤為重要。配電網連接著發電系統、輸電系統和用戶,隨著電力系統的快速發展,配電網線損的不可避免性、復雜性和不確定性給電力系統的安全運行及電能質量帶來了嚴峻的挑戰。因此,準確地對線損率進行預測,幫助相關工作人員制定符合現實情況的考核指標和規劃,有效發揮電能價值,已經成為了當前亟需分析和解決的實際課題。深入研究線損率預測,對提高電力系統協調運行能力,促進電能持續健康發展具有十分重要的意義。基于歷史理論線損率數據,本文對理論線損率展開了以下研究：1.神經網絡預測模型能較好的應對序列的波動性且具有良好的精準度,因此該非線性模型被廣泛的應用。利用神經網絡預測模型對理論線損率進行預測,利用馬爾可夫對理論線損率預測誤差進行修正處理,建立RBF-馬爾可夫模型,預測理論線損率。2.SVM(支持向量機)收斂速度快,學習能力強,泛化能力好,能有效預測序列的變化趨勢。以支持向量機原理為基礎,建立支持向量機回歸模型,實現理論線損率直接預測。3.對支持向量機的模型參數優化問題進行研究。分析懲罰因子C和核參數σ的作用及對支持向量機性能的影響。運用遺傳優化算法,提出基于遺傳算法優化支持向量機預測模型(GA-SVM),解決SVM建模時存在的弊端,并利用GA-SVM預測模型實現理論線損率預測。4.結合RBF-Markov模型和遺GA-SVM模型,研究理論線損率的概率預測模型。針對概率預測模型中求解概率密度難這一關鍵問題,采用非參數核密度估計方法估計理論線損率的概率密度函數,最終建立概率預測模型求得置信區間。

【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM732

【參考文獻】

相關期刊論文 前4條

1 牛東曉;劉達;陳廣娟;馮義;;基于遺傳優化的支持向量機小時負荷滾動預測[J];電工技術學報;2007年06期

2 杜穎;盧繼平;李青;鄧穎玲;;基于最小二乘支持向量機的風電場短期風速預測[J];電網技術;2008年15期

3 聶相田;李東亮;;基于GM(1,1)-馬爾科夫模型的城市用水量預測[J];華北水利水電學院學報;2011年02期

4 許少華;何新貴;王兵;;一種時變輸入輸出過程神經元網絡及學習算法研究[J];控制與決策;2007年12期

相關博士學位論文 前1條

1 夏樂天;馬爾可夫鏈預測方法及其在水文序列中的應用研究[D];河海大學;2005年

相關碩士學位論文 前3條

1 胡國圣;基于遺傳算法和支持向量回歸的網格資源預測[D];吉林大學;2010年

2 李濤;支持向量機在風電功率預測中的應用研究[D];北京交通大學;2012年

3 管燕;基于非參數核密度估計方法的環境責任保險保費厘定研究[D];中國海洋大學;2013年

本文編號：2298689