毕业论文-股票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.doc

毕业论文-股票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

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  MATLAB

Abstract: 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 topic
This 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 I
Abstract II
第1章  绪论 1
1.1短期负荷预测的重要意义 1
1.2短期负荷预测的研究现状 2
1.3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 4
2.1预测的广泛性和通用性 4
2.2股票趋势分析技术简介 5
2.3电力系统负荷预测与股票趋势预测之间的联系 6
2.4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 8
3.1支持向量机（SVM）的理论基础 8
3.2支持向量机实现的基本思想 8
3.3 SVM训练求解算法 11
第4章 结合股票技术的短期负荷预测的方法研究 11
4.1利用K线图进行负荷分析 11
4.1.1图形概述 12
4.1.2 K 线图在负荷分析与预测中的应用 13
4.1.3应用实例 15
4.2利用股票技术指标进行负荷预测 16
4.2.1采用神经网络进行预测时输入矢量选择的重要性 16
4.2.2改进的输入矢量的选择办法 16
第5章 基于SVM与股票技术的电力系统负荷预测 17
5.1 SVM回归问题的数学描述 17
5.2输入矢量与样本的选择 18
5.3输入数据的预处理 19
5.4误差分析 19
5.5我国调度部门关于预测效果的评价与考核 20
5.6使用MATLAB实现SVM负荷预测模型 20
第6章 软件开发及功能模块介绍 22
6.1 MATLAB工程软件及神经网络工具箱介绍 22
6.2负荷预测软件的介绍及应用 23
第7章 预测结果及分析 28
7.1武汉市负荷预测结果 28
7.2预测效果的评价和考核 31
7.3误差分析及小结 32
第8章 结论 32
致谢 34
附录 34
附录1 BIAS的意义与算法 34
附录2 SVM预测的详细代码 35
参考文献 50