股票趋势分析技术与风险分析方法在电力系统短期负荷预.doc

毕 业 论 文题目：股票趋势分析技术与风险分析方法在电力系统短期负荷预报的应用研究学生姓名： 学号： 学 院： 系 名： 专 业： 指导教师： 年 月 日 摘要：电力系统短期负荷预测是能量管理系统(EMS)的重要组成部分，是电力系统安全、经济、可靠运行的前提和基础，其预测精度直接影响到电力系统的经济效益。研究负荷特性、负荷分析理论与预测算法并开发高效实用的负荷预测系统已成为当前十分重要的课题。本文首先介绍了短期电力系统负荷预测的意义和主要方法，然后对电力负荷预测与股票技术相结合的假想做了合理性分析，提出了采用SVM与股票技术指标相结合的方法。而后详细的介绍了SVM理论，并以SVM算法为核心，在输入矢量环节加入股票技术的元素，利用MATLAB编写具有图形界面的负荷预测软件，并且创造性的以股市K线图的方式进行输出表示。最后，在对全文总结的基础上讨论了存在的问题和今后的研究方向。关键词：电力系统负荷预测 股票趋势技术 SVM MATLABAbstract: Power system short-term load forecasting is an important part of energy management system (EMS),and it is also the premise and basis of the security,economic and reliable operation of power system.The forecast accuracy directly affect the economic benefit of power system. Research load characteristics, load analysis theory and prediction algorithm and the development of more effective and practical load forecast system has currently become very important topicThis paper first introduced the short-term the significance of power system load forecasting,then do the rational analysis of the hypothetical combining stock technologies with power load forecasting.The paper also put forward the method that applying technical indexes in SVM. Then detailed introduces the SVM theory, and for the core, with SVM algorithm in the input vector link to join stock technology elements, using MATLAB graphical interface with the load forecasting software, and creative by means of stock market K line for the output.Key words: Load Forecasting for Electric Power System Technical Analysis of Stock Trends SVM MATLAB目录摘要IAbstractII第1章 绪论11.1短期负荷预测的重要意义11.2短期负荷预测的研究现状21.3本文所作的工作3第2章 股票趋势分析技术应用在电力系统负荷预测的合理性分析42.1预测的广泛性和通用性42.2股票趋势分析技术简介52.3电力系统负荷预测与股票趋势预测之间的联系62.4股票技术应用在电力系统负荷预测中的方法7第3章 电力系统负荷预测的理论基础13.1支持向量机（SVM）的理论基础13.2支持向量机实现的基本思想13.3 SVM训练求解算法3第4章 结合股票技术的短期负荷预测的方法研究14.1利用K线图进行负荷分析14.1.1图形概述14.1.2 K 线图在负荷分析与预测中的应用24.1.3应用实例44.2利用股票技术指标进行负荷预测54.2.1采用神经网络进行预测时输入矢量选择的重要性54.2.2改进的输入矢量的选择办法5第5章 基于SVM与股票技术的电力系统负荷预测15.1 SVM回归问题的数学描述15.2输入矢量与样本的选择25.3输入数据的预处理25.4误差分析35.5我国调度部门关于预测效果的评价与考核35.6使用MATLAB实现SVM负荷预测模型4第6章 软件开发及功能模块介绍16.1 MATLAB工程软件及神经网络工具箱介绍16.2负荷预测软件的介绍及应用2第7章 预测结果及分析17.1武汉市负荷预测结果17.2预测效果的评价和考核47.3误差分析及小结5第8章 结论1致谢2附录1附录1 BIAS的意义与算法1附录2 SVM预测的详细代码1参考文献1第1章 绪论1.1短期负荷预测的重要意义电力负荷预测是在充分考虑一些重要的系统运行特性、增容决策、自然条件和社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，确定未来特定时刻的负荷数据1 牛东晓，曹树华，赵磊，等. 电力负荷预测技术及其应用M. 北京：中国电力出版社，1999，1-21。在计划经济体制时代，用电计划由发电计划决定，发多少用多少，始终存在瓶颈效应和人为干预的情况，对负荷预测准确率要求不高。随着国民经济的发展和电力体制的改革的深化，电力走入市场经济，发电计划越来越取决于市场的要求，同时人们对电能质量的要求越来越高。所以对负荷的大小和特性进行事先估计，是电力系统控制与运行研究的重要内容，是电力系统规划与运行的基础。电力系统负荷预测理论就是因此而发展起来。短期负荷预测的重要意义可以归纳为以下几个方面：（1）短期负荷预测是电力系统优化调度的基础。准确的短期负荷预测是电网调度机构制定发供电计划、合理安排机组启停和做好电网供需平衡的关键。有助于运行人员估计电能的生产、输送、分配和消费各个环节的情况，制定出合理的运行方案，确保电网和机组的安全、稳定、经济运行。以短期负荷预测和在线实时负荷预报为依据，系统才能有计划地安排旋转备用和不同网间可能实现的功率交换，这是决定系统供电安全水平的重要因素。（2）随着我国社会主义市场经济的不断完善，电力企业逐步走向市场，电力系统的经营方式从垄断转变为市场竞争将成为必然趋势。在电力市场条件下，短期负荷预测不再是纯技术性的问题，它应当是一个技术性与经济性相结合的问题。同时也不再仅仅是能量管理系统（EMS）系统的一部分，它是电力市场制定各种计划的重要依据。对于发电单位，短期负荷预测是制定发电计划和报价的依据；对供电部门，短期负荷预测为供电方制定购电计划提供依据；对输电单位，短期负荷预测也是制定发电计划及安全、可靠、经济运行的基础。（3）电价的制定也是在对未来给定计算期内负荷预测的基础上完成的。因此发电企业要保证其电价的竞争能力，就必须获得比较精确的短期负荷预测数据。（4）为用户提供安全、可靠、经济、优质的电能是电网运营企业的首要目标，如果电网运营商没有按规定完成网供电量、负荷预测和低谷电量比三大指标。其中负荷预测的考核将按照在允许误差范围内以基本电价购电，超出允许误差范围电价按110%-200%浮动的原则2 姚建刚，章建，银车来. 电力市场运营及其软件开发M. 北京：中国电力出版社，2001，53-663 陆海峰，单渊达电力系统的递推自适应超短期负荷预报电网技术V0124，No3，Mar2000，283l页4 冉启文，单永正，王骐电力系统短期负荷预报的小波一神经网络一PARIMA方法中国电机工程学报V0123，No3，Mar2003，38_43页5 王辛改进径向函数网格(RBFN)在电力负荷预报中的应用中国电机工程学报V0116，No4，Jul1996，285287页6 彭晓兰，程时杰，陈德树短期负荷预报的灰色系统方法华中理工大学学报V0123，No2，Mar1995，138一141页7 【原文已删除，如需完整论文，加QQ：10247336】8 【通信工程本/专科优秀毕业论文修改与拟稿】2。也就是说，准确的负荷预测就使得电网运营企业可以在电力市场中以较便宜的电价购电。1.2短期负荷预测的研究现状长期以来，国内外学者对电力系统负荷预报进行了广泛而深入的研究，提出了许多有效的方法，主要有时间序列法，指数平滑法，专家系统法，神经网络法，卡尔曼滤波法，小波分析法等。它们均有各自的优点，但是没有一种方法是绝对准确的，也没有一种方法可以适用于一切电力系统。所以各个国家在预测时根据本国的特点，采用的方法也都不一样：日本采用的是自组织的方法，韩国采用的是人工神经网络法，沙特阿拉伯采用的是时间序列法，印度采用的是谱分析法，美国采用的是综合知识库方法，台湾采用的是专家系统法，而我国东北电网采用的是AR+修正数据库的方法。由此可以看出，各种方法在应用上都有所体现。目前国内的学者应用的方法比较多样：东南大学的陆海峰、单渊达应用时间序列法，在ARMA的基础上引入反馈量为随机序列建模，并用F检测逐步自动定阶，以长自回归计算残差法估计模型的初值，用递推最小二乘法对模型进行修正，以实现实时自适应负荷预报3；武汉大学的段俊东、陈昆薇采用模糊理论对日负荷曲线预报中的天气因素进行了模糊处理，根据季节，气候的不同对天气因素做不同的模糊处理和不同的数学模型，提高了短期负荷预报的精度；哈尔滨工业大学的冉再文、单永正等人把小波分解的特性和分解数据随尺度倍增而倍减的规律用于感知神经网络(MLP)和周期自回归移动模(PARIMA)的建模，各尺度小波分解用MLP进行建模和预报，最大尺度上的尺度分解用PARIMA进行建模和预报，最后利用径向基函数网络(RBF)将各尺度域的预报结果组合成为负荷最终预报4；山东大学的王辛等人通过对神经网络BP算法的改进，提出一种局部化的BP预报算法一(局部化了BackPropagation)，解决了目前BP算法不能利用单一网络精确预报假日及工作目的负荷和不能体现各工作日负荷波动的弱点5；华中科技大学的彭晓兰等人应用改进的灰色系统方法，能根据电力负荷在不同预测点的变化趋势，自动选择在给定预测点上预测误差最小的预测模型，并针对电力负荷的季节性、周期性变化的特点，采用系数法进行修正6；湖南大学潘力强、马歆、杨长青利用广义误差反向传播算法生成了一种神经网络，克服了传统BP网络所存在的易陷入局部极小和对初值要求较高的缺陷，同时考虑了影响短期负荷预报的若干重要因素，从而增强了模型的精确性和适用性7；电力科学研究院的谢开等人将Kalman滤波方法应用于超短期负荷预报，并在预报过程中引入了极大似然估计进行负荷未知参数辨识，达到了参数估计过程与预报过程的统一8。 国外学者目前大多数都采用与神经网络有关的各种方法来进行负荷预测: XWang, L.H.Tsou kalas利用神经网络来获得用户电力消耗的模型，又使用一种基于模糊逻辑的模块以最快的速度探测到信号趋势并帮助人工神经网络校正预测结果，改进了系统对突变或者特殊情况的适应能力；VSKodogiannis，EMAnagnostakis运用径向基函数，动态神经网络以及神经模糊技术等方法，改进了负荷预报模型，比传统的方向传播网络预报模型更加精确9；西班牙学者DomingoAGundin，CelianoGarcia等人应用两个神经模糊系统FasArt和FasBack，另外还有带BP学习算法的前向多层感知机神经网络(MLP)以及ARIMA模型，获得了不错的预报效果10；ChangilKim，In-keun Yu，YHSong应用神经网络将季节性的历史负荷数据分为四个类型，而后进行小波变换以便预报未来每小时的负荷11。并使用传统的多重回归的方法校正小波变化系数，并且将各部分重构，通过五尺度合成技术预测最终的负荷；Tatsuya Iizaka，Tetsuro Matsui，Yoshikazu Fukuyama设计的一种由两个隐蔽层组成的可分解结构神经网络(ASNN)，它可以有效的预报每天负荷的峰值12；韩国学者KwangHo kim，JongKeun Park，KabJuHwang提出用神经网络和模糊专家系统混合建模预报，先用训练过的神经网络进行小时预报，而后用模糊专家系统针对温度和负荷变化进行校正13。总之，目前国内外对电力系统负荷预报的研究的方法很多，但是越来越多的学者倾向于用神经网络结合其他方法进行建模预报。1.3本文所作的工作我们将支持向量机（SVM：Support Vector Machine）理论应用于电力系统短期负荷预测。由统计学习理论发展的通用学习方法支持向量机（SVM）在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文通过实验筛选合理的历史数据，股票指标以及温度数据构成训练样本，再将预测的平滑性和误差损失函数相结合构成问题的目标函数，采用LIBSVM算法将SVM的大规模优化问题转化为具有解析解的二次优化问题