电力负荷预测方法的研究与实现

东北林业大学硕士学位论文电力负荷预测方法的研究与实现姓名：张黎申请学位级别：硕士专业：计算机应用技术指导教师：苏健民20060601电力负荷预测方法的研究与实现作者：张黎学位授予单位：东北林业大学相似文献(10条)1.学位论文薄永兵中压配电网短期节点负荷预测的模糊神经网络法2006中压配电网是电力系统的重要组成部分,其安全、经济运行是整个电力系统安全、经济运行的重要保障.中压配电网短期节点负荷预测技术可为运行规划、故障处理、需求侧管理及未来的配电市场开放等提供数据支持.因此十分重要.由于中压配电网节点负荷具有历史数据少、数据不精确、负荷变化的趋势性不明显和负荷变化模式易变等特点,传统方法很难解决这类问题,亟需建立一种新的节点负荷预测方法.为此,本文做了以下工作:1.在并行分布处理模型基础上,构建了一种新型的模糊神经网络以求解中压配电网短期节点负荷预测问题.该网络具有输入层、输入模糊化运算层、样本神经元层、输出隶属度函数层和反模糊化运算层五层前馈式结构,所有节点在学习的过程中动态生成.2.提出了一种快速、增量式的学习算法.学习过程中,采用无监督学习算法对输入权重进行调整,采用有监督学习算法对输出权重进行调整.该算法只需一次学习就能达到较好的精度,而且实现了增量学习,即在学习新知识的同时,不破坏原有知识.此外,对近似的样本神经元进行合并,使用剪枝操作删除含坏数据的样本神经元,从而保证了算法的健壮性,并且精炼了网络结构.3.使用两个来自实际系统的算例验证了本文方法的有效性.算例1属于商业负荷,其负荷变化比较规律；算例2来自居民负荷,负荷变化规律性很差.模糊神经网络的相关参数由经验风险最小化的原则确定.计算结果表明本文方法计算速度快,容错能力强,并且有很好的泛化能力.此外,对实际配电网的测量系统进行分析,在此基础上提出了一种新的节点负荷数据处理方法,从而为本文方法的工程应用奠定基础.2.期刊论文姚健.周伟国.张中秀.YAOJian.ZHOUWei-guo.ZHANGZhong-xiu人工神经网络法燃气日负荷预测输入变量选取-煤气与热力2010,30(1)研究了RBF神经网络在城市燃气日负荷预测中的应用及输入变量的选择问题,提出了基于逐步回归的输入变量选取方法.对实例进行了预测,对不同输入变量方案进行了对比分析.以逐步回归选取的输入变量为基础,增加日期类型、前一天平均气温两项数据作为输入变量,完全满足神经网络用于城市燃气日负荷预测精度的要求,且合理可行.3.期刊论文林星春.曹家枞.马素贞.LinXingchun.CaoJiacong.MaSuzhen神经网络法及其在暖通空调负荷预测中的应用-制冷与空调（四川）2007,21(2)综述了人工神经网络的发展历史及优缺点,阐述了人工神经网络模型的改进及在暖通空调负荷预测方面的应用,并展望了进一步的研究方向.4.学位论文蔡少翔电网负荷预测理论与实证研究2003随着国民经济的发展,电力负荷的预测已成为电力系统中一个重要的研究课题.该文针对目前国民经济发展的需要,分析了电力负荷预测的重要意义,综述了电力负荷预测研究动态及相关理论,并针对一具体小型电网的特点,对其负荷预测进行了实证研究.全文共分五章,各章节内容如下:第一章对电力负荷预测的含义及特点进行了论述,在此基础上重点综述了电力负荷预测理论与方法的发展方向、应用前景以及电力负荷在国民经济发展中所起的作用.第二章针对电力负荷中长期预测的内容和特点,重点综述了几种常用的中长期负荷预测方法的发展历史、理论表述、应用范围与条件,如灰色模型法、回归分析法、时间序列模型法以及优选组合法等.第三章对电力负荷短期预测理论作了全面的综述,重点介绍了人工神经网络理论和模糊预测理论在短期负荷预测应用中发展过程与进展,论述了人工神经网络法与模糊预测法相结合的理论、方法与具体步骤.第四章根据北海市十五发展规划和北海电网负荷历史资料,用常用的预测方法和灰色预测法对北海电网的中长期负荷进行了预测,并对预测结果进行了分析.用人工神经网络法建立了北海电网短期负荷预测模型,预测结果表明:该方法能显著提高北海电网短期负荷预测精度.第五章对全文进行了总结.5.会议论文张华玲.刘宪英神经网络法负荷预测与蓄冰空调系统的运行优化1999文中介绍了蓄冰空蓄冰空调系统几种常见的策略。提出蓄冰空调系统的运动优化必须进行准确的负荷预测，并给出采用神经网络模型(ANN)预测负荷的方法。6.学位论文吴功高基于改进人工神经网络法的短期负荷预测2007短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面,是能量管理系统(EMS)的组成部分,也是今后进行电网商业化运营所必需的基本内容.本文首先对负荷预测的现有方法进行了综述;接着深入研究了神经网络的模型建立问题,并提出了较为适用的建模方法和应遵循的原则;在研究了大量文献资料的基础上,通过分析电力负荷的各种重要因素,梅建了一个三层的BP神经网络,应用改进的BP神经网络,建立了短期负荷预测的模型,并用历史负荷数据进行训练,成功的进行了电力系统的短期负荷预测.预测结果的精度相对传统方法有了很大程度的提高,证明了人工神经网络在电力短期负荷预测领域的有效性.7.期刊论文王会青.王婷.谷志红.WANGHui-qing.WANGTing.GUZhi-hong基于灰色神经网络法的高峰负荷预测-华东电力2005,33(4)针对多个相关序列预测的问题,提出了灰色神经网络模型.考虑各序列数据之间的关系及各序列之间的关系,能一次得到多个预测值.利用神经网络对预测值进行校正,得到最终的预测值.实例表明,此种模型具有预测精度高、所需样本少、计算简便等优点,取得了满意的结果.8.学位论文刘玮采用负荷预测的冰蓄冷空调系统运行优化的研究2005为了更好的缓解城市电网压力，冰蓄冷空调在我国得到了越来越广泛的应用，如何最优化的利用冰蓄冷空调，充分发挥冰蓄冷空调移峰填谷的优势，使用户在经济上达到最大的利益，已经成为发展冰蓄冷空调的一个关键问题。近几年，优化控制策略已经逐渐取代了以往的简单的单纯依靠主机或者冰槽的控制策略，成为冰蓄冷空调系统主要的控制策略。本文通过对如何实现冰蓄冷空调优化控制的研究，提出了冰蓄冷空调系统优化控制的一般过程，给出了进行负荷预测的方法以及负荷优化分配的数学模型。对优化控制中最主要的一项——冷负荷预测，本文提出了使用人工神经网络法进行预测的方法，建立了基于人工神经网络的逐时负荷预测的数学模型，并根据该数学模型编制了相应的程序。为了检验该程序的准确性，本文采用DeST软件进行数值模拟，对一栋商场建筑进行了逐时负荷的计算，并采用计算得到的数据对该程序进行训练及检验得到了比较满意的结果。在确定了基于负荷预测的优化控制策略之后，我们把该预测程序与基于西门子自控系统的冰蓄冷空调实际工程结合起来，给出了多种运()式并提出了采用在线负荷预测的自控系统优化运行方案，将通过优化控制策略得到的关于运行模式的结果输入到冰蓄冷空调的自控系统中去，实现基于在线负荷预测的优化控制策略与冰蓄冷自控系统之间的数据的快速传递与共享，通过这种结合，把优化控制的优势充分发挥出来。9.期刊论文杜进荣.朱能.向天游民用建筑供热负荷的神经网络法预测-煤气与热力2001,21(1)分析了供热系统负荷变化的各种扰量，提出利用人工神经网络对供热负荷进行预测的方法。对神经网络预测的可行性、方法的实施内容及输入输出变量的选择，网络连接方法的选择等进行了讨论。在进一步对供热负荷特性研究的基础上，可以利用人工神经网络对其进行切实可行的预测。10.学位论文秦海超电力市场中96点负荷预测系统的研究2006电力系统短期负荷预测一直是电力部门的一项重要工作，它关系到电力系统的调度运行计划的制定。准确的负荷预测，不仅能大大提高电力系统的安全性和稳定性，而且能减少发电成本，提高运行的经济性。随着电力市场的建立和发展，96点负荷预测的作用越来越重要，表现在发电商，电网公司，购电者都需要以此为基础，进行电力交易，从而将预测精度直接与本身经济利益挂钩。但96点负荷预测一直是一个难题，随着社会的不断发展以及人民生活水平的不断提高，影响电力系统负荷的因素日益复杂，各种传统的负荷预测技术已经难以适应这些变化。人工神经网络技术作为发展较为成熟的智能型算法为负荷预测提供了一种全新的解决方式，并成功地得到应用，它通过对历史数据的学习，把输入数据和输出数据之间的任意非线性关系通过一个人工神经网络反映出来，当网络经过训练后，只要输入相关的数据，就可以得到预测的数据。在电力市场运行机制下，负荷预测中不确定因素增大，难度增加，对精度的要求更高，因此人工神经网络法中输入数据的选取对于负荷预测的精度就显得至关重要。本文通过查阅相关文献资料学习了多种96点负荷预测的方法，重点研究了人工神经网络算法的原理和应用特点，并学习了网络结构的多种改进方法，来避免网络训练震荡和训练时间过长等问题。并以长春地区若干年的96点负荷数据和气象数据为基础，研究负荷的变化规律以及各种影响因素(例如历史负荷、星期类型、气象因素等)对负荷的作用。引入了人体舒适度指数和相似日的概念，确定在人工神经网络中的样本输入量的选择以及训练样本的选择。通过在样本输入量中以人体舒适度指数代替温度、风速和最大相对湿度三个气象指标，可以达到在强化网络输入样本和输出样本关系的基础上，减少输入样本的数量的目的。通过在训练样本中引入相似日的概念，可以达到提高训练样本和预测输出的相似性的目的。实际预测表明，引入这两种改进方法后网络训练时间减少，负荷预测的精度也得到明显的提高。本文在理论研究的基础上开发了实用化的电力负荷预测系统并投入了使用。系统充分考虑了供电企业的工作规范，界面简单友好，使用方便，安全性强，可用于96点负荷预测和日负荷预测。实际应用表明，预测系统有效的提高了负荷预测的精度，大大减少了预测人员的劳动强度，对电力系统的运行调度起到了重要作用。本文链接：：上海海事大学(wflshyxy)，授权号：205b7a87-c31c-479a-a5e5-9de500f29c7f下载时间：2010年9月2日