龙泉地区电力负荷数据分析与预测研究_开题报告

我国对负荷预测的重视程度经历了一个较长的认识过程：1970 年以来，我国持续面临缺电局面，由于控制用电、控制报装等客观原因，拉闸限电现象严重，同时在计划体制下，负荷预测工作没有受到应有的重视，造成负荷预测的准确度不高，并且对新方法的应用力度不够。进入“九五”以后，随着我国电力市场供需矛盾缓解以及用电结构的变化，拉闸限电明显减少，电力需求增长开始明显放慢，逐步由卖方市场进入了买方市场，局部地区供大于求，甚至出现了供电负增长，电力发展由资源约束转向了需求约束。1998 年，全社会用电同比增长只有 2.8%，1999 年，用电增长呈恢复态势，主要是由于工业用电的强劲恢复。但在 2003 年，随着我国经济的迅猛发展，出现近年来罕见的缺电现象，在市场机制下，对负荷预测的重要性和迫切性提到了新的高度，同时也对负荷预测的精度提出了更高的要求。

由于电力系统短期负荷预测在电力系统调度自动化系统中的重要地位，所以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，国内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方法。目前，用于短期负荷预测方法很多，常用的方法主要有时间序列预测法、回归分析法、最小二乘法、指数平滑法等，这些方法将在第三章中进行分析讨论。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：灰色预测法、专家系统预测技术、小波分析预测技术、模糊预测技术、混沌理论预测技术、神经网络预测技术、组合优化算法等。

负荷预测方法从简单到复杂，从单一模型到多模型的组合预测，从只考虑历史负荷到考虑各种影响负荷变化的因素，从传统的统计学和时间序列法发展到现代的人工智能预测技术，预测技术得到了长足的发展和进步，预测精度也有大幅度的提高，但总的看来，目前尚无一个固定的方法可以适用于一切负荷预测问题，并保证优于其它方法。在实际应用中，要对负荷实际变化规律及影响因素做细致的分析。可以采用试验比较的方法，利用某一电网的历史数据确定该电网最有效的算法。在电力工业发达的英国、法国等都是应用了上百种方法来解决负荷预测问题的。

目前，研究负荷预测偏重于将各种算法的优点结合，从而提高预测的精度，比如将模糊和专家系统相结合，将神经网络与小波理论相结合，将神经网络和模糊算法相结合等等，这些算法在预测的精度上有一定的提高，但同时也增加了负荷模型的复杂性。在当前电力市场日趋成熟的形势下，随着科学技术日新月异的发展以及计算机技术迅猛发展，尤其是人工智能技术的不断发展成熟，非线性预测理论得到了长足进步，应及时地将其它领域的最新进展应用到负荷预测中来，使负荷预测方法适用范围更广、实用性更强、预测时间更短、精度更高。

中长期负荷预测是目前深受关注的研究课题，是电力规划的基础，只有基于数据准确的预测，规划才能有效地完成。随着现代工业和农业的不断发展及人民生活水平的日益提高，社会对电力的需求量越来越大。为了满足日益增大的电力需求，必须不断扩大电力系统的规模。电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其在我国电力事业快速发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为我们面临的重要而艰巨的任务。因此，对负荷预测算法及模型的研究具有重要的意义和价值。

二、^范文提纲

摘要

引言

1、电力系统负荷预测综述

1.1电力系统负荷预测

1.2电力系统负荷预测的意义

1.3电力系统负荷预测的程序

2、电力系统短期负荷预测的研究方法

2.1经典预测方法

2.2现代负荷预测方法

3、龙泉地区电力负荷特性分析

3.1龙泉地区电网现状

3.2龙泉地区负荷变化规律

3.3龙泉地区现有预测系统及存在的问题

4、人工神经网络概述

4.1人工神经网络模型

4.2人工神经网络的工作原理

4.3人工神经网络的特点

4.4人工神经网络的发展趋势及研究热点

5、龙泉地区电力系统短期负荷预测建模及MATLAB实现

5.1基于神经网络的电力系统短期负荷预测建模

5.1.1正向建模

5.1.2逆向建模

5.2电力系统短期负荷预测的MATLAB实现

5.2.1电力系统短期负荷预测问题描述

5.2.2输入/输出向量设计

5.2.3短期负荷预测的BP网络设计

5.3结果分析

总结

参考文献

致谢

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