嘉兴市工业用电负荷预测研究_开题报告

文献综述

（一）国内电力负荷预测发展现状

近些年来，随着国民经济的快速发展，用户需求侧用电量逐渐提高,电力供需矛盾日益凸显。其中工业用电负荷占总负荷比的将近百分之七十，且对电力的需求量在逐年增大。这就需要国家电力部门对电网进行合理的规划，以满足社会对电力的需求。在电网规划工作中，电力负荷预测发挥着巨大的作用，电力负荷预测的准确性关系着电网规划的质量。

电力负荷预测是根据电力所在的自然、社会以及所处的具体环境的影响的前提下，根据以往具体的历史记录，对未来某种事物的发展趋势进行预测、分析，并得到达到一定准确性的一种数据。电力系统对数据分析按照期限的不同可以分为长期、短期和中期三种。

电力负荷预测对于电力系统的安全运行起着重要的作用，是智能电网安全控制的基础，也是电力系统自动化的重要研究方向。在市场经济的环境下，无论是居民用电，还是企业用电，做好电力负荷预测都是具有巨大应用价值的。近年来，电力系统一直在推进智能电网的建设，电网智能化的标志技术之一就是要电力负荷的预测技术。伴随着大数据技术在电子商务中的运用，传统行业尤其是电力系统开始重视大数据带来的机遇与挑战。如何充分发挥大数据技术的优势，结合电力系统的特点，确保对电力客户的优质服务，降低电力系统的管理成本，为有效的决策提供依据，成为当前电力系统研究的一大方向。

由于电力预测是一种由现在推测未来的一种预测方法，因此本身就是一种不确定事件。从而使电力预测具有以下几个方面的特点：①结果是不确定的；②要根据具体条件进行具体分析；③短期负荷预测有一定的时间范围限制；④由于多重因素的不确定和条件性，因此需要准备多种方案。

（二）国外电力负荷预测发展现状

随着电力市场的日趋成熟，对电力安全稳定性要求的不断提高，西方一些发达国家的电力供应商为了获取最大利益和系统稳定性十分重视电力负荷预测的研究。为此，相关的科研机构和科研人员一直在为提高电力负荷预测的精度而努力。

在1991年的时候，美国学者Park.D.C等人提出神经网络预测电力负荷，此举引起了人们的广泛关注。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（Multi-Stage Artificial Neural Network Short-term Load Forecasting ，ANNSTLF）。并且这一系统已经在实用化方面取得了空前的成功。Khotanzad博士在其ANNSTLF-a neural-network-based electric load forecasting system一文中指出，ANNSTLF方法已经在美国和加拿大的35个公共事业单位得以应用。它包含两个神经网络，一个预报基本负荷，另一个预报负荷变化，两部分负荷经自适应组合计算出最终预报。湿度和风速对负荷的影响通过温度线性变换考虑，一种新颖的加权插值算法大大提高了节假日预报精度。10家不同电力公司的预报数据表明系统性能优越.。 

但是该系统还有一些弱点，比如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。

（三）嘉兴市工业用电负荷现状

随着全社会用电量的快速增长，嘉兴市用电形势日趋严峻。国网嘉兴供电公司大力推进各级电网规划与建设，优化完善嘉兴地区的局部电网结构，坚持创新开拓，提高服务质量，保障安全可靠的电力供应，为嘉兴经济可持续发展提供了有力的电力支撑。

最近一段时间，先是在市政府召开全市能源“双控”攻坚行动大会，然后是组织用能企业、职能部门等到平湖市学习先进经验，召开半年度现场推进会。我市已经把能源“双控”工作提到了重要的位置。近日，嘉兴市智慧能管系统推进会在市区沙龙宾馆举行，关键词还是能源“双控”。

一方面是政府的能源“双控”，另一方面是企业和社会用电量的快速增长，这就要求电力部门进行负荷预测之后按照预测数据进行合理的电力划分。这样才能确保人们生活的正常进行，才能保证工厂企业的正常生产，同时也是构建和谐社会的保障。

由于本人接触范围有限，本文将以本单位和相关行业的用电负荷规律为依据来探讨嘉兴市工业用电负荷预测方面的问题。

二、^范文提纲

1国内外用电负荷预测研究现状

1.1国内用电负荷预测发展现状

1.2国外用电负荷预测发展现状

1.3用电负荷预测的重要性

1.4用电负荷预测的方法

2嘉兴市工业用电负荷现状

2.1本单位（纺丝业）电力负荷分析

2.2嘉兴市纺丝行业用电情况分析

2.3嘉兴市工业用电情况分析

3嘉兴市工业用电负荷预测分析

3.1用电负荷预测分析

3.2结论

三、参考文献

[1]彭泽武，周珑，黄剑文.用电负荷预测技术及应用实践微探 [J]．现代信息科技，2017（7）

[2]王贺，于淼.浅谈智能电网下的负荷分析与预测技术 [J]．黑龙江科技信息，2016（6）．

[3]牛东晓,曹树华,卢建昌.电力负荷预测技术及其应用（第二版）［M］.中国电力出版社,2006

[4]王谷.电力负荷需求预测分析[J]．广东科技，2014（4）

[5]奕永忠, 朱宏斌.嘉兴市电力负荷管理系统的开发及应用[J].电力需求侧管理.2001（8）

[6]陈祐.配电网规划中电力负荷预测方法探讨[J]．科技与创新，2014（4）

[7]胡晓钢.电力系统负荷预测方法及其在配电网规划中的应用[J].华东电力，2011,35（12）

[8] A Khotanzad ，R Afkhami-Rohani ，TL Lu ，A Abaye. ANNSTLF-a neural-network-based electric load forecasting system[J]. IEEE Transactions on Neural Networks，1997，8(4)：835-846

[8]邹宗宪，施 海.准确把握电力市场方向切实做好电力负荷预测[J].电力勘测设计，2011（4）

[9]裘建锋.工业用电量占全社会用电量近八成 高耗能行业比例仍较高[N].南湖晚报，2018.7.12

[10]嘉兴新闻综合频道.2017年全嘉兴共用了多少电？你想知道的都在这儿[Z]. 搜狐财经://.sohu.com/a/232093784_578940 2018.5.18

[11]浙江省经信委电力处.2012年浙江省电力工业发展报告［M］.2013浙江工业发展报告