电力负荷预测研究对电网的影响_开题报告

文献综述

（一）国内研究现状

 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。  

（二）国外研究现状

 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 。 

二、^范文提纲

1前言 

  1.1^范文研究的背景 

1.2^范文研究的现状

1.3^范文研究的目的和意义

2电力负荷预测相关理论知识

  2.1电力负荷预测的定义

2.2电力负荷预测的分类

3 电力负荷预测的方法

3.1传统预测方法

3.2人工智能方法 

4电力负荷预测存在的问题及解决方法

4.1电力负荷预测存在的问题

4.2针对上述问题的解决方法 .

5结语

三、参考文献

陈浩．基于人工神经网络的电力短期负荷预测系统研究．昆明理工大学硕士学位^范文，2005．1-6． 

[2]杨争林，宋燕敏，曹荣章等．短期负荷预测在发电市场中的应用电力系统自动化，2000，24(1)：14-17． 

[3]Moghram I，Rah man S. Analysis and evaluation of five short-term load forecasting techniques．IEEE Trans. On POWRS，1989，4(4)：1484-1491． 

[4]招海丹，余得伟.模糊专家系统用于短期负荷预测修正的初步探讨.华东电力，2000(5).

[5]欧建平，李丽娟.人工神经网络在电力系统短期负荷预测中的应用.广东电力，1999(4). 

[6]刘晨辉，电力系统负荷预报理论与方法.哈尔滨，哈尔滨工业大学出版社，1987.  [7]Shimon S.Gad A，“Neural Networks for Decision Support：Problems and  Opportunities”，Decision Support Systems，1994(12)：393-414.  

[8]孙目清，分布式分层BP算法在短期负荷预测中的应用；电力自动化设备，1996 (5).

 [9]王晓文，梁志珊.应用模糊神经网络的短期负荷预测.东北电力技术，1999(2).  [10]马涛．基于模糊控制RBF神经网络短期负荷预测的研究．西安科技大学硕士学位^范文，2009，2-5． 

[11]林清，王辛.电力系统负荷预报的神经网络LBP算法.电工电能新技术，1999 (1).  

[12]陶小虎，黄民翔．一种基于模糊规则和神经网络的负荷预测方法．电力系统及其自动化学报，2000，32(10)． 

[13]赵璐．基于人工神经网络的电力系统负荷预测．硅谷电子科学，2008(8)．  

[14]许延生，张为．人工神经网络在电力系统短期负荷预测中的应用．内肛科技，2008(8)．

[15]牛东晓，曹树华，赵磊等．电力负荷预测技术及其应用．北京：中国电力出版社，1998．

[17]刘晨晖. 电力系统负荷预报理论与方法.  哈尔滨工业大学出版社.1987  

[18]康重庆 夏清.电力系统负荷预测. 北京: 中国电力出版社, 2007  

[19]赵希正.中国电力负荷特性分析与预测.北京:中国电力出版社.2001  

[20]肖国泉 王春 张福伟.电力负荷预测.北京:中国电力出版社.2001  

[21]萧国泉 徐绳均. 电力规划. 北京: 水利电力出版社,1993   [6] 牛东晓 曹树华 赵磊 张文文. 电力负荷预测技术及其应用. 北京: 中国电力出版社, 1999 

[22] 于尔铿.能量管理系统. 科学出版社. 1998  

[23]李文沅. 电力系统安全经济运行—模型与方法. 重庆大学出版社,1989