电力系统负荷特性分析与负荷预测研究_开题报告

（一）负荷特性研究综述

 1.负荷特性指标

    对负荷特性的研究主要基于对负荷特性指标和历史数据的分析，所涉及的指标数量多，指标变化的随机性大，而且指标一般不能直接相加，因此分析预测的难度和工作量均比较大。从负荷特性的整体情况来看，目前我国研究的深度普遍不够，各地区负荷特性分析采用的指标不完全一致，各地区所开展的负荷特性分析的深度和历史资料的积累也不一致。电力负荷特性分析的难度较大，主要表现在：一是目前缺乏系统的负荷及负荷特性分析方法；二是负荷特性指标是时点指标，不同地区、不同时间的负荷特性不能直接叠加，使得进行大范围区域负荷特性分析的难度明显增加；三是各行业典型负荷曲线、非电网统调负荷特性曲线的获取和加工处理较为困难；四是定量分析各种因素对负荷特性的影响较为困难。因此负荷特性分析主要是以定性分析为主，有效地定量分析预测的方法不多。

2.负荷特性研究方法

    对负荷进行分析时，往往利用曲线图、柱形图等来进行分析。例如，根据历年最大负荷数值，绘制年最大负荷变化曲线图，对该图进行分析，可以找出年增长率，大致把握该地区的用电量变化情况。对电力系统负荷特性进行分析研究时，如果仅限于总负荷分析，忽视不同产业的负荷变化和水平提高的影响，就很难准确把握电力负荷变化发展的内在过程。因此，还要通过曲线的形式分析各行业的负荷特性。

（二）负荷预测研究综述

1.负荷预测分类 

    按预测指标来分，电力系统负荷预测的内容可分为电量预测（如全社会电量、网供电量、各行业电量、各产业电量等）和电力预测（如最大负荷、最小负荷、峰谷差、负荷率、负荷曲线等）两大类。在传统的负荷预测中，从应用的广泛性来区分，按照预测期限的不同，可分为长期预测、中期预测、短期预测、超短期预测，分别对应为年度预测、月度预测、日度预测、时分预测。其中，根据预测机理的不同，又将年度预测、月度预测合称为中长期预测。从国内外研究的情况来看，国外由于其负荷发展变化规律趋于稳定，关于中长期预测的研究远远少于短期预测，国内则基本上两者并重。为了更好地满足电力系统运行的需求，一些新的负荷预测内容被引入，成为传统负荷预测分类的补充。   （1）连续多日负荷曲线预测。电力系统的规划和运行需要一系列的负荷曲线，如应用于电力系统规划中电力电量平衡的年负荷曲线和典型日负荷曲线，应用于可靠性评估的年负荷持续曲线，这些都应作为负荷预测的内容。目前，进行连续若干日、一个月乃至更长时间的曲线预测的研究非常少。   （2）扩展短期负荷预测。在电力系统的运行中，电力部门提前一天完成日短期负荷预测，确定次日发电计划，其后监视当日计划的执行情况，在原计划与实际负荷发生较大偏离时，及时进行该日剩余时段负荷的重新预测和计划调整，称为滚动发电计划。

2.负荷预测方法

科学工作者在电力负荷预测领域中作出了大量的研究工作，提出了多种负荷预测分析方法。在中长期负荷预测中，时序趋势外推预测是最为常见的一类问题，一般根据时间序列的历史值来预测其未来值。时序趋势外推预测有多种不同的方法，常用的方法有：回归分析、动平均法、指数平滑法、增长速度法、灰色预测、生长曲线法等。这些模型都可以用于负荷预测，但是存在着问题。对某一预测内容而言，有些模型拟合效果和预测效果均较好；有些模型拟合效果好，但预测效果不好；有些模型拟合效果和预测效果均不好。因此，不同的预测模型有着不同的适用范围，为此，提出了组合预测的思想，其本质是以某种目标的导向作用下的权重来反映每种单一方法在最终预测结果中的比重。此外，模糊理论、专家系统等方法均被应用于中长期负荷预测中。

在短期负荷预测中，应用最广泛、研究最多的是神经网络，文献对此进行了很好的总结。除此之外，卡尔曼滤波、聚类分析等均有成功应用。在新方法的探索中，我国学者热情很高，分别采用了小波分析、人工智能中的事例推理、模糊集理论、混沌分形理论、数据挖掘、支持向量机等进行预测的尝试，取得了一些效果。

二、^范文提纲

引言

一、电力系统负荷特性分析与负荷预测概述

   （一）电力系统负荷特性

   （二）电力系统负荷预测

二、影响电力系统负荷特性的因素

   （一）经济发展水平及经济结构调整的影响

   （二）生活水平的提高和消费观念变化的影响

   （三）电价及节假日的影响

   （四）需求侧管理措施的影响

三、电力负荷预测的影响及提高预测的措施

   （一）电力负荷预测的影响

   （二）提高预测的措施

四、朝阳地区电力系统负荷特性分析及负荷预测案例分析

   （一）基于BP神经网络电力负荷预测的分析方法

   （二）朝阳市超短期电力负荷预测研究

总结

三、参考文献

[1]陈艳.基于遗传神经网络的短期电力负荷预测研究[D].大连：大连理工大学,2014.

[2]林一凡.基于目标管理的电力负荷管理系统研究[D].大连：华北电力大学,2013.

[3]王伟峰.对《电力负荷管理系统数据传输规约》内容的讨论[J].电力系统自动化,2012,6:96-99.

[4]刘春方.负荷预测精准度对电力系统经济运行的影响[J].通讯世界,2015,13:183.

[5]张祎洁.浅析负荷预测精准度对电力系统经济运行的影响[J].通讯世界,2015,20:86.

[6]王常飞.电力系统短期负荷预测方法的研究及实现[D].郑州大学,2015.

[7]杨建萍．南京市居民用电负荷特性分析与思考[J]．电力需求侧管理，2012，4(2)：2427

[8]陈爽．城市区域电网负荷预测的实践[J]．供用电，2013，25(6)：2023

[9]尹玉芬．地区电力系统负荷特性分析与需求侧管理研究[D]．广州：华南理工大学，2010

[10]萧国良．电力系统负荷预测[M]．北京：中国电力出版社，2014