电力负荷预测方法研究(附件)
摘 要电力行业是国家众多能源领域中重要的基础行业，电力对国家经济发展建设、社会与国民生活稳定方面都有着重要的作用，现代社会不能没有电力的供应。随着电力工业不断发展，电力负荷预测在发展中也越来越重要，电力预测技术研究也变得越来越重要。电力负荷预测是电力生产发展的重要依据。本文主要针对电力系统负荷预测方法做了一些相关方面的研究。本文就是根据目前的电力负荷预测的研究现状，就电力负荷预测的方法做论述。电力系统负荷变化主要受两方面的影响：其一，负荷变化会受未知不确定因素的影响，从而产生波动；而另一方面，它的周期性变化使得负荷曲线具有相似性,呈现出强烈的非线性特性。本文主要介绍了神经网络的原理，人工神经网络以神经元为基础，一个多层神经网络模型一般分为三层：输入层、输出层、和中间。BP神经网络法是神经网络学习的主要方法，BP神经网络使用误差反向传播法。通过训练样本来实现从输入到输出的映射。通过选取某地区某时段用电量数据，基于matlab平台进行了仿真，并对预测结果误差也进行了分析。
目 录
第1章 绪论 1
1.1 课题背景和意义 1
1.2 国内外研究现状及存在的问题 1
1.3 本文的研究内容 2
1.4 本章小结 3
第2章 电力负荷预测的基本理论 4
2.1 电力负荷预测的定义 4
2.2 电力负荷预测基本原则和要求 4
2.2.1 电力负荷预测的基本原则 4
2.2.2 电力负荷预测的基本要求 5
2.3 电力负荷预测的分类 5
2.4 电力负荷预测方法的分类 6
2.5 电力负荷预测的基本工作程序 8
2.6 本章小结 9
第3章 神经网络的预测方法 10
3.1 人工神经网络概述 10
3.1.1 人工神经网络的发展 10
3.1.2 人工神经网络的结构 11
3.2 BP神经网络算法 12
3.3 本章小结 18
第4章 使用MATLAB仿真电力系统短期负荷预测 19
4.1电力负荷预测网络建模 19
*好棒文|www.hbsrm.com +Q: ^351916072^
4.1.1电力负荷预测神经网络样本集的设计 19
4.1.2电力负荷神经网络网络结构设计 19
4.2 MATLAB 仿真实现 21
4.2.1实例分析 21
4.2.2 仿真结果 22
结束语 25
致 谢 26
参考文献 27
附录 28
绪论
课题背景和意义
经过研究人员多年的研究以及经济与科学的发展，电力系统在发电质量方面上的要求越来越严格。由于不能大量的储存电能，所以发出电力与电力负荷的变化要保持一种动态平衡的关系。如果没有这种关系就会使电源的质量受到影响而导致电源质量不高。因此，电力系统负荷预测工作已经成为了与人类生活息息相关的一项重要内容。
电力系统负荷预测是电力系统中的一个不可或缺的组成部分，电力系统负荷预测就是指通过对某地过去及现在的负荷数据进行分析，然后找出其中的规律对未来负荷可能出现的改变进行预测。同时也要将系统的运行特性、自然条件、与社会影响等不确定条件也充分考虑在预测工作中，最终可以预测未来某时刻的电力负荷数值。所以，电力系统负荷预测这项工作在生活中有着重要的意义：
（1）社会经济的调度分配离不开负荷预测的参考；
（2）社会用电的稳定已经电力行业的发展需要负荷预测的保障；
（3）电力系统负荷预测是电力生产规划的基础；
（4）电力系统负荷预测是电力系统安全分析的主要因素之一；
（5）电力系统负荷预测是实现电网科学管理和调度的一个重要方面。
国内外研究现状及存在的问题
在电力还没有很普及的时候，电力负荷预测这项工作并没有受到人们的重视，然而随着经济的飞速发展，人们对电力的需求也越来越大。人们在二十世纪中旬开始将电力负荷预测视为一项工作，预测工作者也开始了对预测方法的研究。一开始人们都用一些很简单的预测方法来进行预测，这些方法也没能考虑到一些不确定的影响因素，对电力负荷的预测工作甚至只是凭借着经验，这样的预测结果显然是不准确的，得出的预测值往往都与实际值有很大的偏差。但随着人们在科研方面的长足进步，开始兴起一些预测方法，例如：时间序列法、线性回归法等等，这也让预测精度有了很大的提高，是预测工作的一个大进步。但是这些方法也并不是没有缺陷的，它们的需要很大的计算量以及复杂的计算过程，这样才有可能得到相对误差较小的预测结果。后来人工智能技术也开始应用到电力负荷预测工作中，这是负荷预测研究上的一个巨大进步，人工智能预测法可以很好的完成非线性负荷的拟合问题，并且也考虑到了影响负荷的各种因素，例如：温度、天气、湿度等等，让负荷预测变得更加精确。后来又兴起了一些不用得出确定模型且不用复杂的计算就可以完成预测的智能预测方法，例如：小波分析法、神经网络法、模糊控制法等等。
目前，国外研究的较多的就是一些人工智能的预测方法，神经网络、支持向量机等方法都是很受欢迎的预测方法。Dashi PK.提出了一种先进的神经网络法，能够同时对要训练的数据进行有导师学习和无导师学习，这种网络有更好的自适应性能，得出的预测结果也更好。Morita H.等人把灰色模型法运用到电力负荷预测的研究里，并且将其运用到实际工作中，取得了不错的效果。国内，文献[11]在短期负荷的预测中将气象因素和日期类型考虑进去，取得了不错的预测结果。文献[12]中把神经网络方法和模糊控制的方法综合到了一起，组成了一个组合模型来进行预测，充分的将两个模型的优点结合到了一起，提高了预测精度。
下面列举一下当前利用神经网络进行电力负荷预测时需要解决的问题：
神经网络的结构选取。因为电力系统负荷有相当复杂的负荷运行规律，所以对于神经网络结构的选取非常重要，但很少有人关注到这个问题。
输入样本的选择。电力系统负荷预测首先要利用人工神经网络的非线性特性才可以运用前馈神经网络，利用合理的方法才可以把系统中输入输出之间的映射关系照出来。是否选择了正确的输入样本，决定了前回馈神经网络是否能够在训练后，将电力系统负荷运行的规律体现出来。但是这在以往的研究工作中并没有并重视起来。。
对电力系统负荷历史数据的预处理。电力系统负荷并不是一个平稳的运行过程，它也被许多的不稳定因素所影响，所以负荷的历史数据一般都有一些“不良数据”，这就需要在利用前对它进行预处理，所以数据的预处理也需要被重视。
预测精度还不够高。
本文的研究内容
本文介绍了电力负荷预测方法，首先通过介绍电力负荷预测的背景以及意义来说明电力负荷预测对人们生活以及社会发展的影响，并对国内外目前的研究现状进行简要的说明。在第二章里详细地说明了关于电力负荷预测的一些基本理论，其中包括电力负荷预测的定义、基本原则及要求、分类及预测方法分类、基本工作程序等。其中对预测方法的分类作了较为详细的介绍，本文在第三种中对BP神经网络预测法做了较为深入的研究，其中对BP神经网络的算法也做了具体的介绍。并且通过学习的知识在最后对该方法进行了仿真实现，使用了BP神经网络，采用某地区某时段每小时的数据预测未来一天没小时的数据，仿真过程中遇到了很多问题，最后都得到了解决并且顺利的做出了结果。
本章小结
本章主要介绍了本课题的背景及其意义，并且总结了一下电力负荷预测研究的国内外研究现状，并列举了近些年来国内外研究的成果，最后介绍了一下本文的主要研究内容。
电力负荷预测的基本理论
目 录
第1章 绪论 1
1.1 课题背景和意义 1
1.2 国内外研究现状及存在的问题 1
1.3 本文的研究内容 2
1.4 本章小结 3
第2章 电力负荷预测的基本理论 4
2.1 电力负荷预测的定义 4
2.2 电力负荷预测基本原则和要求 4
2.2.1 电力负荷预测的基本原则 4
2.2.2 电力负荷预测的基本要求 5
2.3 电力负荷预测的分类 5
2.4 电力负荷预测方法的分类 6
2.5 电力负荷预测的基本工作程序 8
2.6 本章小结 9
第3章 神经网络的预测方法 10
3.1 人工神经网络概述 10
3.1.1 人工神经网络的发展 10
3.1.2 人工神经网络的结构 11
3.2 BP神经网络算法 12
3.3 本章小结 18
第4章 使用MATLAB仿真电力系统短期负荷预测 19
4.1电力负荷预测网络建模 19
*好棒文|www.hbsrm.com +Q: ^351916072^
4.1.1电力负荷预测神经网络样本集的设计 19
4.1.2电力负荷神经网络网络结构设计 19
4.2 MATLAB 仿真实现 21
4.2.1实例分析 21
4.2.2 仿真结果 22
结束语 25
致 谢 26
参考文献 27
附录 28
绪论
课题背景和意义
经过研究人员多年的研究以及经济与科学的发展，电力系统在发电质量方面上的要求越来越严格。由于不能大量的储存电能，所以发出电力与电力负荷的变化要保持一种动态平衡的关系。如果没有这种关系就会使电源的质量受到影响而导致电源质量不高。因此，电力系统负荷预测工作已经成为了与人类生活息息相关的一项重要内容。
电力系统负荷预测是电力系统中的一个不可或缺的组成部分，电力系统负荷预测就是指通过对某地过去及现在的负荷数据进行分析，然后找出其中的规律对未来负荷可能出现的改变进行预测。同时也要将系统的运行特性、自然条件、与社会影响等不确定条件也充分考虑在预测工作中，最终可以预测未来某时刻的电力负荷数值。所以，电力系统负荷预测这项工作在生活中有着重要的意义：
（1）社会经济的调度分配离不开负荷预测的参考；
（2）社会用电的稳定已经电力行业的发展需要负荷预测的保障；
（3）电力系统负荷预测是电力生产规划的基础；
（4）电力系统负荷预测是电力系统安全分析的主要因素之一；
（5）电力系统负荷预测是实现电网科学管理和调度的一个重要方面。
国内外研究现状及存在的问题
在电力还没有很普及的时候，电力负荷预测这项工作并没有受到人们的重视，然而随着经济的飞速发展，人们对电力的需求也越来越大。人们在二十世纪中旬开始将电力负荷预测视为一项工作，预测工作者也开始了对预测方法的研究。一开始人们都用一些很简单的预测方法来进行预测，这些方法也没能考虑到一些不确定的影响因素，对电力负荷的预测工作甚至只是凭借着经验，这样的预测结果显然是不准确的，得出的预测值往往都与实际值有很大的偏差。但随着人们在科研方面的长足进步，开始兴起一些预测方法，例如：时间序列法、线性回归法等等，这也让预测精度有了很大的提高，是预测工作的一个大进步。但是这些方法也并不是没有缺陷的，它们的需要很大的计算量以及复杂的计算过程，这样才有可能得到相对误差较小的预测结果。后来人工智能技术也开始应用到电力负荷预测工作中，这是负荷预测研究上的一个巨大进步，人工智能预测法可以很好的完成非线性负荷的拟合问题，并且也考虑到了影响负荷的各种因素，例如：温度、天气、湿度等等，让负荷预测变得更加精确。后来又兴起了一些不用得出确定模型且不用复杂的计算就可以完成预测的智能预测方法，例如：小波分析法、神经网络法、模糊控制法等等。
目前，国外研究的较多的就是一些人工智能的预测方法，神经网络、支持向量机等方法都是很受欢迎的预测方法。Dashi PK.提出了一种先进的神经网络法，能够同时对要训练的数据进行有导师学习和无导师学习，这种网络有更好的自适应性能，得出的预测结果也更好。Morita H.等人把灰色模型法运用到电力负荷预测的研究里，并且将其运用到实际工作中，取得了不错的效果。国内，文献[11]在短期负荷的预测中将气象因素和日期类型考虑进去，取得了不错的预测结果。文献[12]中把神经网络方法和模糊控制的方法综合到了一起，组成了一个组合模型来进行预测，充分的将两个模型的优点结合到了一起，提高了预测精度。
下面列举一下当前利用神经网络进行电力负荷预测时需要解决的问题：
神经网络的结构选取。因为电力系统负荷有相当复杂的负荷运行规律，所以对于神经网络结构的选取非常重要，但很少有人关注到这个问题。
输入样本的选择。电力系统负荷预测首先要利用人工神经网络的非线性特性才可以运用前馈神经网络，利用合理的方法才可以把系统中输入输出之间的映射关系照出来。是否选择了正确的输入样本，决定了前回馈神经网络是否能够在训练后，将电力系统负荷运行的规律体现出来。但是这在以往的研究工作中并没有并重视起来。。
对电力系统负荷历史数据的预处理。电力系统负荷并不是一个平稳的运行过程，它也被许多的不稳定因素所影响，所以负荷的历史数据一般都有一些“不良数据”，这就需要在利用前对它进行预处理，所以数据的预处理也需要被重视。
预测精度还不够高。
本文的研究内容
本文介绍了电力负荷预测方法，首先通过介绍电力负荷预测的背景以及意义来说明电力负荷预测对人们生活以及社会发展的影响，并对国内外目前的研究现状进行简要的说明。在第二章里详细地说明了关于电力负荷预测的一些基本理论，其中包括电力负荷预测的定义、基本原则及要求、分类及预测方法分类、基本工作程序等。其中对预测方法的分类作了较为详细的介绍，本文在第三种中对BP神经网络预测法做了较为深入的研究，其中对BP神经网络的算法也做了具体的介绍。并且通过学习的知识在最后对该方法进行了仿真实现，使用了BP神经网络，采用某地区某时段每小时的数据预测未来一天没小时的数据，仿真过程中遇到了很多问题，最后都得到了解决并且顺利的做出了结果。
本章小结
本章主要介绍了本课题的背景及其意义，并且总结了一下电力负荷预测研究的国内外研究现状，并列举了近些年来国内外研究的成果，最后介绍了一下本文的主要研究内容。
电力负荷预测的基本理论
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/2811.html
