基于負荷密度指標法的配電網(wǎng)空間負荷預(yù)測方法研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領(lǐng)

文檔簡介

1、負荷預(yù)測是配電網(wǎng)規(guī)劃的重要組成部分,也是配電網(wǎng)規(guī)劃的前提和基礎(chǔ),其準確性直接關(guān)系到規(guī)劃方案的優(yōu)劣。負荷預(yù)測包含負荷總量預(yù)測和空間負荷預(yù)測,它們對合理地進行配電網(wǎng)規(guī)劃具有重要的指導意義。
   本文對目前國內(nèi)外重點研究的兩種配電網(wǎng)空間負荷預(yù)測方法(用地仿真法和負荷密度指標法)的特點和應(yīng)用場合等進行比較,在詳細分析了空間負荷預(yù)測的相關(guān)因素的基礎(chǔ)上,闡述了負荷密度指標法在我國的適用性和實用性,并總結(jié)了其在工程實踐中的關(guān)鍵和難點。

2、>   針對傳統(tǒng)方法在求取負荷密度指標時通常采用經(jīng)驗法或簡單類比法、難以滿足精度要求等不足,本文提出了基于最小二乘支持向量機(LS-SVM)的配電網(wǎng)空間負荷預(yù)測方法。在求取負荷密度指標過程中,先引入FCM算法把各類用地性質(zhì)負荷聚類為幾個等級,建立比較精細的負荷密度指標體系;然后在體系中選出與預(yù)測樣本特征更為相似的樣本進行訓練,提高LS-SVM模型的泛化能力和預(yù)測精度;最后采用遺傳算法(GA)對LS-SVM預(yù)測模型的參數(shù)進行自動優(yōu)化,進

3、一步提高了預(yù)測模型的適應(yīng)性和預(yù)測精度。在計算規(guī)劃區(qū)總量負荷過程中,為了避免求取同時率的麻煩,提出了采用智能預(yù)測方法對規(guī)劃區(qū)的總量負荷進行預(yù)測,增強了空間負荷預(yù)測的合理性和科學性。
   鑒于傳統(tǒng)的負荷密度指標求取方法沒有側(cè)重去尋求負荷密度與其各影響因素之間的內(nèi)在復(fù)雜的非線性函數(shù)關(guān)系,也沒有考慮各影響因素在預(yù)測中的權(quán)重和影響程度,本文進一步提出了一種基于自適應(yīng)神經(jīng)模糊系統(tǒng)(ANFIS)的負荷密度指標求取新方法。該方法首先用熵權(quán)法對

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論