區域計算為基礎之短期電力預測方法
碩士 === 國立清華大學 === 資訊工程學系 === 99 === 近年來，由於電力市場興起，電力變成一種能在市場上買賣的商品，作為決定電力價格的重要依據，短期電力預測顯得更為重要。然而電力預測其實相當困難，電力預測的基本概念是使用過去的歷史資訊對未來的用電量進行預估，但是影響電力的參數非常多，而且這些影響電力的參數與電量的關係相當複雜，難以進行預測。回歸方法(regression method)是傳統上常見用於預測的方法，但是在處理電力和其相關參數的非線性(nonlinear)關係上，回歸方法就顯得不足。近來採用相似天(similar day)概念的類神經網路(neural networ...
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Format: | Others |
| Language: | zh-TW |
| Published: |
2011
|
| Online Access: | http://ndltd.ncl.edu.tw/handle/55808417219637824103 |
| Summary: | 碩士 === 國立清華大學 === 資訊工程學系 === 99 === 近年來，由於電力市場興起，電力變成一種能在市場上買賣的商品，作為決定電力價格的重要依據，短期電力預測顯得更為重要。然而電力預測其實相當困難，電力預測的基本概念是使用過去的歷史資訊對未來的用電量進行預估，但是影響電力的參數非常多，而且這些影響電力的參數與電量的關係相當複雜，難以進行預測。回歸方法(regression method)是傳統上常見用於預測的方法，但是在處理電力和其相關參數的非線性(nonlinear)關係上，回歸方法就顯得不足。近來採用相似天(similar day)概念的類神經網路(neural network)方法相當盛行，然而在歷史資訊中並不容易找出全天都和預測當天相似的時間，進而導致預測誤差。
本篇論文提出了以區域計算為基礎的預測方法，目的在於預測下一個小時的用電量。我們將預測地區分成較小的區域，並分區進行預測，最後再將分區的電力預測值加總作為全區的預測結果。在預測方法上，我們採用相似小時取代相似天的概念，並將結果輸入類神經網路進行預測。實驗採用新英格蘭(New England)地區八個區域每小時的電力和天氣資訊。我們的預測誤差(MAPE)在四個季節分別從0.95%到1.18%，平均而言的誤差值約為1.08%。此外為了降低需要儲存的歷史資料量，我們將資料進行壓縮，實驗證明在一定的壓縮幅度下，預測誤差成長並不顯著。
|
|---|