保定地区电力负荷分析与预测的研究_开题报告

一、文献综述

查找^范文相关文献，介绍本论题目前研究现状、研究成果等内容。

（一）国外研究现状

电是我们每个人日常生活都会接触的一种能源，它有一个最主要的特点是不能大量存储，也就是说在大部分情况下电能的生产、输送和使用是同时进行的，但是人们在用电的过程中又具有一定的随机性，这之间就存在着平衡，怎么样能使不浪费，又能满足人们的需要。电力负荷的随机性表现在它会随着季节的变化而变化，随着工农业生产、社会生活的节奏的变化而变化。掌握电力负荷变化的规律，提高负荷预测的精度、合理安排电网的运行和发展，做到未雨绸缪，提早预见未来年度电力平衡中面临的困难和问题，并提出对电网的安全稳定运行有着重要的实用价值的措施以供决策参考。

为了满足目前电力市场的要求，应用相关的预测方法和理论，建立精确的负荷预测模型并提高预测的精度和预测的速度，是电力系统领域重要的研究课题之一。而随着数理统计和人工智能理论的不断发展，短期负荷预测方法和技术得到了人们的广泛关注和深入研究。目前为止已经发展出了十多种预测方法，如指数平滑法、模糊理论法、灰色模型法等等，从而便得工作人员在进行相关预测工作时具有很大的选择余地，可以根据预测内容选择计算精度更高的预测方法，从而获得更为准确的预测结果。

上世纪70年代，各国研究人员对电力负荷预测就开始进行了深入的研究，特别是到80年代中期，不断耗费的能源迫切要求对电力负荷进行科学的管理分配，而鉴于负荷预测对电力负荷管理的重要作用，从而人们越来越重视负荷预测的研究，投入了大量的人力物力研究准确度高以及适应性强的预测模型。而到了上世纪末，各国电力市场都得到了长足的发展，对电力负荷预测的重视程度也相应得到更大的提高。

1991年，Park.D.C等人首先将人工神经网络系统应用于电力负荷预测，从而电力负荷预测也从传统的数据统计分析预测发展到了人工智能化的预测方法，取得了很大的进步。从那时起，人工神经网络预测法开始受到越来越多的重视，越来越多的学者进行了大量的研究。

支持向量机算法具有完整的理论体系和能够快速求解非线性回归估计问题的模型，在短期负荷预测方面，国内外学者在支持向量机算法上投入了大量的研究。

（二）国内研究现状

在我国，电力负荷特性分析也渐渐引起了大家的重视，从计划经济体制下到市场化的转变过程中，竞争机制也同时引入电力部门，电力部门中的发电公司、电网公司与电力监管机构等已经着手电力负荷特性分析与电力负荷预测工作。但这方面我国还处于起步阶段，未形成完整的体系。

我国对这方面的研究开始较晚，基本于上世纪90年代，而且大多研究重心都放在电力负荷中长期预测中，中长期电力负荷预测服务于电力的长期规划。而随着社会主义市场经济的不断发展以及国家对国有企业的不断调整，电力企业的经营方式从独家垄断转变为自由市场竞争已经成为必然发展趋势，对电力负荷进行短期预测作为电力市场的基础性预测方法，发挥的作用越来越明显，因此国内的相关专家学者从上世纪九十年代中期的时候对电力负荷短期预测展开了深入而广泛的研究。

国内相关的研究学者主要有朱向阳、刘凯、王祎彤、李小雪等。其中朱向阳建立的预测模型基于资源分配网络，运行程序采用C++Builder开发；而刘凯则是从负荷与负荷预测特性的研究入后，基于徐州市的电力负荷数据，用matlab编程软件实验了短期预测模型；王祎彤通过挖掘电力负荷数据中存在的知识,并将其应用在电力设备的区域分类配置中,对电力负荷数据与站址区域选择之间的关系进行了研究分析,可以快速的确立电力设备安放的大致位置,旨在为电力行业的设备选址问题提供了一种新的研究思路。李小雪比较多种电量负荷预测方法的优缺点,并运用多种方法进行了电量负荷的预测,在此基础上将自回归神经网络方法应用于实际工作中,准确、科学、高效地完成电量负荷预测,并根据综合所得的预测结果提出了配电网规划的具体目标。而随着对短期负荷预测的不断深入研究，针对不同负荷特性建立的相应预测模型也较多。目前，关于电力负荷测试方面的国内外发表的文献很多，预测方法和预测精度各有不同，方法主要有经典方法、传统方法、新型方法等，传统方法又包括时间序列分析法、灰色预测法、回归分析法，新型方法又包括专家系统、人工智能方法等。

二、^范文提纲

引言：电力负荷分析的背景及国内外研究现状

一、电力负荷预测的理论

（一）电力负荷预测的种类和特点

（二）电力负荷预测的方法

二、电力负荷数据的预处理

（一）保定地区电力负荷数据分析

（二）负荷数据的垂直和水平处理

（三）缺失电力负荷数据的修正

三、基于神经网络的日负荷预测

（一）神经网络模型的构建

（二）神经网络模型的训练

（三）日电力负荷预测模型的建立

四、保定地区电力负荷分析与预测研究

（一）保定地区电力负荷特性分析

（二）基本BP算法模型仿真

五、结论

三、参考文献

[1]D.Markovic, M.Koch.Sensitivity of Hurst parameter estimation to periodic signals 

In time series and filtering approaches[J].Geophysical Research Letters, 2005,32(17):L17401 

[2]王祎彤. 电力负荷数据分析在设备配置中区域分类的研究[D].大连海事大学,2018.

[3]李小雪. 新泰地区电力负荷预测分析及电网规划研究[D].山东大学,2017.

[4]陈宇杰. 基于BP神经网络的区域配电网中期电力负荷预测[D].吉林大学,2017.

[5]张杰. 基于logistic组合模型的城市电力饱和负荷预测研究[D].华北电力大学,2017.

[6]王星. 滨海开发区负荷预测方法的选择和应用[D].天津大学,2017.

[7]程晓陆. 深圳松岗地区负荷预测及中压配网规划[D].华南理工大学,2016.

[8]郭皓池. 智能电网中基于负荷分析的需求侧管理体系发展研究[D].华北电力大学,2014

[9]王黎明,王艳松,魏志远.基于回归分析与神经网络的短期负荷预测[J].电气应用. 2007(11)

[10]吴杰康,陈明华,陈国通.基于PSO的模糊神经网络短期负荷预测[J].电力系统及其自动化学报. 2007(01)