瑞安地区短期电力负荷数据分析与预测研究_开题报告

20世纪 60-70年代开始，世界各国经济迅猛发展，对电力需求量越来越大，对电能质量的要求也越来越高，从而带动电力系统迅速发展。从这时候开始，负荷预测从早期的不重视开始向应用、探索和研究方向发展。负荷预测的发展大致可以划分为两个阶段:第一阶段(20世纪 60-80年代)是使用传统负荷预测技术的阶段，这一阶段基本沿袭了经济领域的预测技术，典型的如时间序列法、回归分析法；第二阶段(20世纪 90年代到现在)，随着计算机技术的日新月异，人工智能技术的兴起，负荷预测迅速进入了使用智能化负荷预测技术的阶段。专家系统、人工神经网络和模糊逻辑系统代表着当今人工智能技术的三大分支，它们都在负荷预测领域逐步得到应用。同时，提出了灰色系统理论、非线性系统理论、小波分析理论等技术方法。

从国内外研究情况看，国外大概是由于经济及负荷发展变化规律趋于稳定的缘故，中长期负荷预测的研究远远少于短期预测，国内则基本上两者并重。我国于1998年开始电力工业市场改革以来，负荷预测的研究取得了长足进展，几乎每个实行电力市场的区网，其电力市场技术支持系统中都有负荷预测子系统。典型的如山东省采用线性外推和神经网络相结合的方法，开发了专门的负荷预测软件，福建省开发了电力需求预测程序，广西电网调度中心与长沙电力学院合作开发适合于广西电网的短期负荷预测应用软件。

目前，国内外关于短期电力负荷预测的研究主要集中在三个方面：负荷预测的影响因素、负荷预测的数学模型以及负荷预测的算法。相对前两个方面，在算法方面的研究最广泛，已经涌现出了各种不同算法，而这些算法在模型的复杂性、灵活性、对数据的要求以及满足用户的特殊要求等方面都有着很大的不同。用于短期负荷预测方法很多，近年来，预测理论技术取得了长足的进步，负荷预测的新技术层出不穷，综合起来主要有：传统预测法、现代预测法两大类。

短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。随着电力市场的建立和发展，对短期负荷预测提出了更高的要求，短期负荷预测不再仅仅是EMS的关键部分，同时也是制定电力市场交易计划的基础。电力系统负荷预测为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据。因此，电力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于整个国民经济的发展均有着十分重要的意义。

二、^范文提纲

摘要

引言

1、电力负荷预测综述

1.1电力负荷预测的含义

1.2电力负荷预测的意义

2、瑞安地区电力负荷分析

3、瑞安地区电力负荷预测的内容及程序

3.1电力负荷预测的内容

3.2电力负荷预测的程序

3.2.1准备阶段

3.2.2实施预测阶段

3.2.3评价预测阶段

3.2.4预测报告阶段

4、电力负荷预测模型及基本算法

4.1电力负荷预测模型

4.2电力负荷预测基本算法

5、电力系统短期负荷预测建模及MATLAB实现

5.1问题描述

5.2输入/输出向量设计

5.3结论分析

总结

参考文献

致谢

附录

三、参考文献

[1]飞思科技产品研发中心编.神经网络理论与MATLAB7实现[M].北京：电子工业出版社，2005

[2]许东、吴铮编著.基于MATLAB6.x的系统分析与设计——神经网络[M].西安：西安电子科技大学出版社，2012

[3]楼顺天、胡昌华、张伟编著.基于MATLAB的系统分析与设计—— 模糊系统[M].西安：西安电子科技大学出版社，2011

[4]赵希正编著.中国电力负荷特性分析与预测[M].北京：中国电力出版社，2014

[5]王士同编著.模糊系统、模糊神经网络及应用程序设计[M].上海：上海科学技术文献出版社，2013

[6]牛东晓、曹树华、赵磊等编著.电力负荷预测技术及其应用[M].北京：中国电力出版社，2014

[7]肖国泉、王春、张福伟编著.电力负荷预测[M].北京：中国电力出版社，2011

[8] 焦李成.神经网络系统理论［M］.西安：西安电子科技大学出版社，2010

[9]施泉生.短期负荷预报模型库的研究及应用[J].系统工程理论与实践，2015，16（7）：99-104

[10]侯志俭、李涛等.基于小波分析的电力系统短期负荷预测方法[J].中国电机工程学报，2013，23（1）：45-50

[11]冉启文、单永正、王骐等.电力系统短期负荷预报的小波-神经网络-PARIMA方法[J]. 中国电机工程学报，2013，23（3）：38-42

[12]谢宏、陈志业、牛东晓.基于小波分解与气象因素影响的电力系统日负荷预测模型研究[J]. 中国电机工程学报，2015，21（5）：5-10

[13]王雪峰、冯英浚.多层神经网络的一个快速算法［J］.运筹学学报，2016，(3)：25～29．