论文部分内容阅读
在构建坚强智能电网的背景下,国内高校加速推进了智能校园能耗管理系统建设与完善,低压侧能耗管理的作用日益凸显,特别是其中的电力负荷预测任务,它为高校整体配电及节能规划提供强有力的数据支撑。本文针对校园电力数据海量化、多维化的趋势,解决传统机器学习预测算法将会遭遇累积误差大的预测性能瓶颈,首先提出了基于快照反馈机制的短期电力负荷组合预测方法;接着,由于峰值负荷预测对电网的优化运行与安全稳定起着重要的作用,因此本文提出了基于多时序协同模型的电力峰值负荷预测方法;最后,设计并实现智慧校园电力负荷预测系统。本文所做的主要工作如下:(1)提出基于快照反馈的短期电力负荷组合预测方法。首先针对VMD算法需要预先确定模态数K,模态数K的值将影响预测模型在训练集上的表现程度及LSTM模型进行多时刻负荷值预测时累积误差很大等问题,提出了带有快照反馈机制和带有循环滑窗策略的短期负荷预测模型(VMDSF-CSLSTM)。然后使用澳大利亚电力能源市场的塔斯马尼亚州(TAS),昆士兰州(QLD),新南威尔士州(NSW),南澳大利亚州(SA)电力负荷公开数据集,将该模型与其他短期负荷预测模型进行结果对比,各数据集上综合平均百分比误差为1.25%,验证本节所提组合模型的有效性。最后将VMDSF-CSLSTM组合模型应用于湘潭大学四组变压器的短期负荷预测,综合平均百分比误差为7.70%。(2)提出基于多时序协同模型的电力峰值负荷预测方法。首先提出基于加法自回归积分滑动平均模型结合带有循环滑窗策略的长短期记忆网络的多时序协同峰值负荷预测模型(ARIMA-CSLSTM),所提模型提供一种将内部时序与外部时序相结合的峰值负荷预测方法。然后使用四个电力负荷公开数据集,将所提模型与其他峰值负荷预测模型进行结果对比,各数据集上综合平均百分比误差为1.15%,验证所提模型应用于峰值负荷预测具有良好表现。最后将ARIMA-CSLSTM应用于湘潭大学四组变压器的峰值负荷预测,综合平均百分比误差为3.33%。(3)设计并实现智慧校园电力负荷预测系统。首先对该系统需求分析、系统设计进行分析与阐述,并详细说明系统主要功能模块设计及应用界面。该系统可进行负荷特性分析、短期负荷预测及峰值负荷预测,根据建设坚强智能电网的要求,采用分布式客户端、前后端分离的系统总体思路,实现该系统的智能化、可视化。