深圳区电网短期荷载应用研究-开题报告-文献综述-参考文献

（一）国内研究现状

•••••    负荷预测对电力系统许多部门都起着重要的作用。例如，中长期负荷预测是制定电力系统发展规划、燃料计划的前提，短期负荷预测是制定发电计划的基础。国内相关学者研究如下：

戴文进，付小科（2013）在《电力系统负荷预测》一文中介绍了负荷预测在电力系统规划和运行方面能发挥重要的作用，产生明显的经济效益，负荷预测实质上是对电力市场需求的预测。并介绍和分析了负荷预测的基本概念、种类、和预测方法。

马新，潘明惠（2012）在《东北电网超短期负荷预报》一文中介绍了运用线性外推模型和AR模型进行的电力系统超短期负荷预报，它可为调度员提供未来10min,30min,60min的系统负荷值及负荷变化趋势，使调度员及时掌握系统负荷变化情况，制定正确的调度对策，节约系统调节备用;还可以为运行计划人员提供日负荷预报，并能为自动发电控制(AGC)实现超前控制提供基础。

廖立，忻建华（2013）在《短期负荷预测模型及其影响因素》一文中在分析电力负荷曲线特性的基础上，将日负荷分成工作日和非工作日，并着重考虑温度对负荷曲线特性的影响，将BP算法和模拟退火(SA)算法相结合，对某电网的日负荷数据进行实际计算，发现考虑预测日类型和温度等因素后，负荷预测精度有很大提高。

张锋，吴劲晖（2013）在《基于负荷趋势的新型超短期负荷预测法》一文中结合浙江电力发电市场超短期负荷预测的需求，在充分分析电网负荷特性的基础上，提出了基于负荷趋势的新型超短期负荷预测法。该方法简单实用，并将负荷伪数据的判别和加工修改融合在预测过程中。算例分析表明，该方法预测结果误差分析指标优于浙江发电市场中现行的各种超短期预测方法，是一种工程实用性较强的方法。

（二）国外研究现状

••••••

因为在电力系统调度自动化系统中，电力系统短时期的负荷预测占有非常关键的位置，故一直是工程技术人员的研究重点之一。在长期的实践中，为了找到使用方便、计算精度高、计算速度快的预测方法，国外许多学者对负荷预测问题进行了深入广泛的研究，相继提出了很多种有效的预测算法，这些传统的方法大致可分为两大类：一类是以时间序列法为代表的预测方法，另一类是以人工神经网络为代表的人工智能方法。第一种方法中主要有时间序列法、多元线性回归法及傅立叶展开法等，又可以细分为参数与非参数两个类别。人工智能方法中主要有专家系统法、模糊逻辑法、人工神经网络法、小波分析法及支持向量机法等。

    Teegavarapu, Ramesh S（2014）在《基于局部形相似的超短期负荷预测方法》一文中对电力负荷局部特性分析的基础上，定义了一个描述负荷序列形状相似程度的指标—负荷曲线形系数，提出了一种基于局部形相似的超短期负荷预测方法。该方法将预测时刻前一段负荷序列与各相似日同一时段负荷序列的形系数引入到超短期负荷预测中，强调基于形相似基础进行值预测，克服了现有预测方法中对各相似日采用相同权重所导致的平滑效应对拐点负荷预测的影响。研究结果表明，该方法在保证运算速度的同时，提高了总体预测准确性和拐点处的预测准确性。该改进方法可用于对现有多种超短期负荷预测方法的改进。

Svoboda（2013）等在《基于模糊理论及神经网络的电力短期负荷预测方法》一文中分析了电力短期负荷的构成及其影响因素的特点，结合模糊技术和神经网络，设计了用于电力短期负荷预测的神经网络。利用模糊技术及相似性原理对作为即神经网络训练样本的电力负荷按天气特征进行分类识别，同时对带有噪音的训练样本提出了处理方法。针对即神经网络的小足，提出了改进算法;并用实际例子对上述电力短期负荷预测神经网络进行了例证。

Yakowitz S（2013）在《基于区域负荷的配电网超短期负荷预测》一文中建立了以馈线开关为节点、以馈线为边的配电网简化模型，并采用负荷作为节点和边的权，给出了节点的负荷与边的负荷的关系。采用对负荷历史数据和温度历史数据进行统计分析的方法，对超出历史温度范围的情形采用最小二乘法拟合，得出了配电区域的超短期负荷预测结果，利用节点的负荷与边的负荷的关系进一步得出全配电网的超短期负荷预测结果。配电网运行方式的改变并不影响所提出的方法的预测精度。实际应用结果证实了所提出的方法的可行性。

Orero S（2014）在《基于日周期多点外推法的超短期负荷预测及其误差分析》一文中从目前常用的周期外推法出发，针对该方法的误差来源提出一种多点外推方法，并使用随机信号和数理统计方法对其精度作了分析。对预测结果的分析表明，多点外推法不仅减少了平均误差，也使最大误差降低，能有效提高预测精度。该方法简单实用，能满足电力市场实时调度的需要。

二、^范文提纲

••

1、绪论

2、负荷预测的概述

2.1负荷预测的一般原理和应遵循的理念

2.2负荷预测的基本原则和基本要求

2.3负荷预测的步骤

3、电力系统短期负荷预测的方法

3.1神经网络方法

3.2时间序列模型

3.3小波分析和时间序列结合的方法

4、基于深圳市电力市场的实验结果

4.1神经网络方法

4.2时间序列方法

4.3小波时间序列结合方法

5、结论

参考文献

致谢

三、参考文献

[1] 戴文进,付小科. 电力系统负荷预测[J].电力自动化设备.2013(02)

[2] 马新，潘明惠. 东北电网超短期负荷预报[J].电网技术.2012(19)

[3] 廖立，忻建华. 短期负荷预测模型及其影响因素[J].电力自动化设备.2013(08)

[4] 张锋，吴劲晖, 基于负荷趋势的新型超短期负荷预测法[J].电网技术.2013(05)

[5]刘兵军.电力负荷组合预测权重的确定[J].电力情报.2012(02)

[6]陈晓平,胡子珩,刘顺桂,莫维仁,张伯明.商业性城市负荷特点及其短期负荷预测[J].广东电力.2012(02)

[7]陈丰华,姜铁兵,刘运红,梁年生,杨立常.电力系统短期负荷综合预测模型研究[J].水电能源科学.2012(01)

[8]莫维仁,孙宏斌,张伯明.面向电力市场的短期负荷预测系统设计及实现[J].电力系统自动化.2015(23)

[9]谢开贵,李春燕,俞集辉.基于遗传算法的短期负荷组合预测模型[J].电网技术.2015(08)

[10]彭建春,赵凯,石峰,皮洪琴.基于模式识别的自适应短期负荷预测系统[J].电力自动化设备.2014(04)

[1] Teegavarapu, Ramesh S.V,Simonovic, SlobodanP. Short-term Operation Model for Coupled Hydropower Reservoirs. Water Resources. 2000 

[2] Chao-An Li,Svoboda,A.J,Chung-Li Tseng, Johnson, R.B. Hydro unit commitment in hydro-thermal optimization. IEEE Transactions on Power Systems. 1997 

[3] Yakowitz S. Dynamic programming applications in water resources. Water Resources. 1982 

[4] Orero S O, Irving M R.A genetic algorithm modeling framework and solution technique for short term optimal hydrothermal scheduling. IEEE Transactions on Power Systems. 1998 

[5] Rudolf A, Bayrleithner R.A genetic algorithm for solving the unit commitment problem of a hydro-thermal power system. IEEE Transactions on Power Systems. 1999 

[6] Toyoda J,Chen M,Inoue Y.An application of state estimation to short-term forecasting. IEEE Transactions on Power Apparatus and Systems. 1970 

[7] Debarata Chattopadhyay.A Practical Maintenance Scheduling Program: Mathematical Model and Case Study. IEEE Transactions on Power Systems. 1998 

[8] D. H. Jacobson,D. Q. Mayne. Differential dynamic programming. Journal of Women s Health. 1970 

[9] Wang, J,Yuan, X, Zhang, Y. Short-term scheduling of large-scale hydropower systems for energy maximization. Journal of Water. 2004 

[10] Foufoula E,,Kitanidis P K.Gradient dynamic programming for stochastic optimal control of multi-dimensional water resources systems. Water Resources. 1988