嘉善地区短期电力负荷预测-开题报告-文献综述-参考文献

随着工业和农业的发展，人们的生活水平日益提高，对电力的需求越来越。为了满足日益增长的电力需求，我们必须扩大电力系统的规模。电力工业的发展需要巨大的投资和能源，对国民经济的其他部门有很大的影响，合理的电力系统规划不仅可以获得巨大的经济效益，而且还可以获得巨大的社会效益。相反，电力系统规划的失误将给国家建设带来不可弥补的损失。因此，对电力规划进行分析研究，以提高规划质量，具有重要意义。

电力负荷预测是通过研究国民经济和社会发展的各种相关因素与电力需求之间的关系，并根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据。其中电力系统负荷预测方法主要包括最大负荷功率、负荷电量及负荷曲线的预测。  对于本县而言，用电负荷高峰期一般出现在夏季。我县由于对夏季节负荷进行预测不重视，在三峡水电站未建成之前一周将有3至4天的停电日期，对工业生产及人民生活造成了极大的不方便。可见电力负荷预测对社会经济增长、人民生活质量提高的重要性。 

目前，国内外对负荷预测的研究现状，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和负荷预测算法的研究与改进。和前面两个方面相比较，第三方面的研究最为深入，并出现了各种不同的预测模型和算法，并随着预测技术的逐步发展和数学理论的发展，新的负荷预测法如雨后春笋般如雨后春笋般涌现。电力行业在我国的发展，电网管理正变得越来越现代化。电力系统负荷预测问题的研究也越来越受到重视，电力系统短期负荷预测是电力系统调度运行部门的一项重要工作，电力系统安全与经济运行的维护具有重要作用，其预测精度的高低直接影响到电力系统的安全性和电力系统的安全、经济和供电质量。同时，电力负荷预测工作的水平已经成为衡量一个企业管理的一个重要标志，是现代化的重要标志，特别是在今天，电力行业在中国，电力市场，电力负荷预测问题的解决对我们来说已经成为一项重要而艰巨的任务。

负荷预测的特点如下：

不准确性

条件性

时间性

多方案性

一些学者开始把各种智能算法,如人工神经网络、遗传算法、最小绝对值滤波算法等。因为电力系统的负荷是不确定的,它是一个典型的灰色系统。应用灰色系统分析协会的许多不确定因素和电力负荷预测已经得到了广泛的应用。西方发达国家如美国,英国的电力市场越来越成熟,电力供应商为了获取最大的利润,非常关注电力负荷预测。为此,研究人员一直在研究电力负荷预测的新方法,提高预测精度。人们已经开始关注使用神经网络来预测电力负荷自1991年美国学者公园等。在此基础上,美国的研究小组领导的Khotanzad几年的艰苦研究,提出人工神经网络电力负荷短期预测系统(ANNSTLF)。该系统在实际应用中取得了前所未有的成功。北美有大型发电系统(公司),根据天气预报,工业和居民用电统计,使用ANNSTLF系统预测电站必须提供电力,大大提高电厂的经济效益和安全运行。但是系统有一个弱点,这并不是处理不确定性信息,需要大量的历史数据进行训练和学习。我国的加载数据收集近年来,ANNSTLF系统不适合我国的国情。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。这些方法主要是根据实际情况提出的工业化国家,和中国国情复杂,地区之间的差距很大,应用机械方法,很难成功。目前,许多学者都提出了自己的意见的研究在中国电力短期负荷预测。东南大学教授山远大使用径向基函数(RBF)系统的学习网络提供了一个新颖的神经网络预测的有效手段。RBF网络具有良好的推理能力,速度远远超过误差反向传播(BP)学习方法。华北电力大学牛东晓教授教授介绍了基于小波神经网络的电力负荷预测模型。它以非线性小波基为神经元函数，通过伸缩因子和平移因子计算小波基函数合成的小波网络，从而到达全局最优的逼近效果。清华大学张伯明教授采用共辘梯度法训练预测系统的神经网络，在学习算法上有所突破。国内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预。华南理工大学的吴捷教授运用模糊逻辑和时序特性来进行最优模糊逻辑推理汇，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将AI推理和模糊系统结合起来，建立AI规则库对电力负荷进行预测，也取得了较好的效果。

二、^范文提纲

1.电力负荷预测的背景及研究意义

1.1电力负荷预测的相关知识

1.2电力负荷预测课题的研究意义

2.电力负荷预测特点

2.1不准确性

2.2条件性

2.3时间性

2.4多方案性

3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

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.电力短期负荷预测研究

5.1基于温度准则的外推方法

5.2基于人工神经网络日负荷预测

6.电力系统短期负荷预测建模及MATLAB实现

6.1基于神经网络的预测原理

6.2电力系统短期负荷预建及MATLAB实现

三、参考文献

[1]强同波.几种电力负荷预测方法在用电分析系统中的应用.山东电力高等专科学校学报,2005,

[2]杨晓玲.电力系统短期负荷预测算法的应用与探讨.山西电力技术,2000,05：1-3

[3]顾洁.应用小波分析进行短期负荷预测.电力系统及其自动化学报，2003

[4]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，1998 

[5]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，2001 

[6]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，2003

[7]梁海峰、涂光瑜、唐红卫编著.遗传神经网络在电力系统短期负荷预测中的应用[J].电网技术，2001

[8]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，1996

[9]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，2001

[10]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，1990.

[11]梁海峰、涂光瑜、唐红卫编著.遗传神经网络在电力系统短期负荷预测中的应用[J].电网技术，2001