电力负荷预测毕业论文

编号：中国农业大学现代远程教育毕业论文（设计）电力负荷预测学生指导教师专业水利水电工程层次专升本批次082学号w130208082177学习中心工作单位2014年7月中国农业大学网络教育学院制论文格式要求论文开本大小：A4纸；页面设置：左边距：30mm，右边距：25mm；上边距：30mm，下边距：25mm。封面：论文题目小于25个字，隶书、二号、加粗，其他项为隶书、三号；摘要：300字左右，宋体、小四；关键词：3～5个，宋体、小四、各关键词间距3个空格；目录：内容为宋体、四号；正文：宋体、五号，行间距18磅；正文字数：本科至少6000字，专科至少4000字一级标题：宋体、三号、加粗，段前段后间距为一行、左对齐、单列一行，如：1优秀毕业论文；二级标题：宋体、四号、加粗，段前段后间距为一行、左对齐、单列一行，如：1.1优秀毕业论文；三级标题：宋体、小四号、加粗，段前段后间距为一行、左对齐、单列一行，如：1.1.1优秀毕业论文；参考文献：本科至少15篇，专科至少10篇，宋体、五号，书写格式应严格按照规范要求书写；摘要、目录、后记、参考文献、附录：作为标题要居中，其他格式同正文一级标题。图（表）：标题宋体、小五号、加粗，内容宋体、小五号，表注为宋体、六号；特殊说明：论文正文第一部分内容必须包括本文研究背景、研究现状、研究目的和意义。其他具体细则见《中国农业大学现代远程教育毕业论文写作要求和格式规范》，要求学生的毕业论文稿件严格按上述规定进行整理，以符合规范要求。独创性声明本人声明所呈交的毕业论文（设计）是我个人进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文（设计）中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在毕业论文（设计）中作了明确的说明并表示了谢意。学生签名：时间：年月日关于论文（设计）使用授权的说明本人完全了解《中国农业大学网络教育学院本、专科毕业论文（设计）工作条例（暂行规定）》对：“成绩为优秀毕业论文（设计），网络教育学院将有权选取部分论文（设计）全文汇编成集或者在网上公开发布。如因著作权发生纠纷，由学生本人负责”完全认可，并同意中国农业大学网络教育学院可以以不同方式在不同媒体上发表、传播毕业论文（设计）的全部或部分内容。中国农业大学网络教育学院有权保留送交论文（设计）的复印件和磁盘，允许论文（设计）被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编论文（设计）。[保密的毕业论文（设计）在解密后应遵守此协议]学生签名：时间：年月日密级：（请注明密级及保密期限）摘要电力系统负荷预测的研究已经有一段时间的历史，随着计算机技术的发展和电网对负荷预测精度要求的提高，对这一课题的研究也在不断深入，并且更具现实意义。电力系统短期负荷预测是电力系统运行调度的基础，关系到整个电力系统的效率、效益和安全。特别是随着电力市场改革的深入，它已经成为电力市场技术支持系统的重要组成部分，是电力交易市场的主要数据来源，其预测精度对电力系统有着非常重要的意义。因此如何提高预测精度特别是短期负荷预测的精度这一问题的重要性和迫切性将越来越明显。由于学历的限制，本文对某些方面知识的阐述可能还比较生硬。负荷预测是个长久的课题，本文主要就电力负荷预测的含义，意义等开始阐述，以及电力负荷预测的一些方法，针对一些容易出现误差的提出了自己的见解。当然本文还有很多不足，希望在将来的学习电力的日子里对它加以完善。关键词：电力负荷预测方法小波分析目录1前言.........................................................11.1论文研究的背景...........................................11.2论文研究的现状...........................................11.3论文研究的目的和意义.....................................22电力负荷预测相关理论知识.....................................32.1电力负荷预测的定义.......................................32.2电力负荷预测的分类.......................................43电力负荷预测的方法...........................................53.1传统预测方法..............................................53.1.1外推法................................................53.1.2回归分析法............................................63.1.3时间序列法............................................63.1.4小波分析方法..........................................63.1.5卡尔曼（KALMAN）滤波方法...............................63.1.6灰色预测法............................................63.2人工智能方法..............................................73.2.1人工神经网络法........................................73.2.2专家系统方法..........................................83.2.3模糊控制法............................................84电力负荷预测存在的问题及解决方法.............................94.1电力负荷预测存在的问题....................................94.1.1负荷历史数据的坏数据处理..............................94.1.2节假日的负荷预测......................................94.1.3气象因素的影响........................................94.1.4电力市场环境下，负荷的变化还与电价有关。..............94.1.5随机因素。............................................94.2针对上述问题的解决方法...................................104.2.1定量分析与定性分析相结合的问题.......................104.2.2原始数据的收集和筛选.................................104.2.3电力负荷预测的依据...................................105结语......................................................11后记........................................................12参考文献......................................................1311前言1.1论文研究的背景负荷预测的研究已有几十年的历史，国内关于负荷预测的研究已出现了许多种方法，目前，国内发表的电力系统短期负荷预测的文献较多，所采用的预报方法和到达的预报精度也各有不同。综合起来主要可分为以下三类。1）传统统计模型法。这是一种二十世纪九十年代以前常用的方法。主要包括时间序列法和回归分析法。这种方法的优点是计算简单、要求的历史数据少。由于是基于统计模型，不易全面地考虑天气因素、突发事件等对于负荷的影响，因此预测精度低。2）专家系统法。即充分利用有经验的运行人员的知识、经验和推断规则来进行负荷预测，然而，把专家的知识和经验等精确地表达并转化为一系列规则，则往往是很困难的，而且建立专家系统的工作量要比一般预报算法大得多。3）人工神经网络法。人工神经网络具有任意逼近非线性函数的特性，负荷变化是与诸多因素有关的一个非线性函数，用人工神经网络对负荷历史数据进行学习，是抽取和逼近负荷变化曲线并进行负荷预报的有效方法。近十年来，国外报道的相关文献主要是用神经网络方法围绕提高或改善负荷预报的精度来进行负荷预报研究。最具代表性的是美国研制的人工神经网络短期负荷预报器，它包含有两部分预测：一部分预测基本负荷；而另一部分预测负荷变化，这部分考虑了短期内气候条件（温度、湿度）。两部分的自适应组合便是最终的预报结果。该预报器具有较好的自组织自适应特性，已在美国，加拿大的35家电力公司采用。于是，有学者开始将各种智能化算法，如人工神经网络法、遗传算法、最小绝对值滤波算法等用于在受到诸如气象变化、经济环境变化等随机因素干扰情况下的电力系统负荷预测。由于电力系统的负荷受众多不确定因素的影响，是典型的灰色系统，运用灰色系统来分析众多不确定因素与电力负荷预测的关联度已经运用广泛，但如何准确定量描述，以何种准则来进行不确定因素的人工修整仍是一个难题，所以，通常很多地区很大程度上依靠预测人员的经验进行预测。1.2论文研究的现状西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。为此，科研工作者一直在研究电力负荷预测的新方法以提高预测精度。自从1991年美国学者Park等人提出使用神经网络预测电力负荷以来，人们对此表现出广泛的关注。在此基础上，美国的Khotanzad博士领导的科研小组经过几年的艰苦研究，提出了人工神经网络电力负荷短期预测系统(ANNSTLF)。这个系统己经在实用化方面取得了空前的成功。北美洲有35个大发电系统(公司)，根据天气预报、工业和居民用电统计资料，利用ANNSTLF系统预测发电站必须提供的发电量，大大提高了电站的经济效益和安全运转系数。但该系统有一个弱点，即不能处理不确定性信息，且需要大量的历史数据进行训练和学习。我国的负荷数据近些年才开始系统收集，采用ANNSTLF系统不太适合我国的国情。Hiroyuki教授等人则在电力负荷短期预测中运用了自适应模糊推理，Srinivasan博士采用了模糊神经计算进行需求预测。这些方法主要是2针对工业化发达国家实际情况提出的，而我国的国情复杂，地区之间的差距很大，生搬硬套上述方法，很难取得成功[7]。当前国内电力短期负荷预测研究备受瞩目，很多学者提出自己的看法。东南大学的单渊达教授采用径向基函数(RBF)为神经网络预测系统前向网络的学习提供了一种新颖而有效的手段。RBF网络具有良好的推理能力，而且在学习方面比误差反向传播(BP)方法快得多。华北电力大学的牛东晓教授则引入了小波神经元网络电力负荷预测模型。它以非线性小波基为神经元函数，通过伸缩因子和平移因子计算小波基函数合成的小波网络，从而到达全局最优的逼近效果。清华大学张伯明教授采用共共轭梯度法训练预测系统的神经网络，在学习算法上有所突破。国内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预。华南理工大学的吴捷教授运用模糊逻辑和时序特性来进行最优模糊逻辑推理汇，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将AI推理和模