浅析地铁电力负荷预测研究_开题报告

西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。为此，科研工作者一直在研究电力负荷预测的新方法以提高预测精度。自从1991年美国学者Park等人提出使用神经网络预测电力负荷以来，人们对此表现出广泛的关注。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(ANNSTLF)。这个系统己经在实用化方面取得了空前的成功。北美洲有35个大发电系统(公司)，根据天气预报、工业和居民用电统计资料，利用ANNSTLF系统预测发电站必须提供的发电量，大大提高了电站的经济效益和安全运转系数。但该系统有一个弱点，即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。我国的负荷数据近些年才开始系统收集，采用ANNSTLF系统不太适合我国的国情。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。这些方法主要是针对工业化发达国家实际情况提出的，而我国的国情复杂，地区之间的差距很大，生搬硬套上述方法，很难取得成功。

当前国内电力短期负荷预测研究备受瞩目，很多学者提出自己的看法。东南大学的单渊达教授采用径向基函数(RBF)为神经网络预测系统前向网络的学习提供了一种新颖而有效的手段。RBF网络具有良好的推理能力，而且在学习方面比误差反向传播(BP)方法快得多。华北电力大学的牛东晓教授则引入了小波神经元网络电力负荷预测模型。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共轭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侧，也取得了较好的效果。

二、^范文提纲

提供二级或者三级提纲

1引言

2地铁电力负荷预测相关理论知识

2.1电力负荷预测的定义

2.2电力负荷预测的分类

3地铁电力负荷预测存在的问题及解决方法

3.1地铁电力负荷预测存在的问题

3.1.1负荷历史数据的坏数据处理

3.1.2节假日的负荷预测

3.1.3气象因素的影响

3.1.4电力市场环境下，负荷的变化还与电价有关

3.1.5随机因素

3.2地铁电力负荷预测存在问题的解决方法

3.2.1定量分析与定性分析相结合的问题

3.2.2原始数据的收集和筛选

3.2.3电力负荷预测的依据

4结语

三、参考文献

丁宁, 霍天. 一种地铁负荷预测的数据仿真方法[J]. 智能电网, 2016, 4(11):1122-1129.

李光蕊. 北京地铁负荷建模及其对城市配电网影响的分析[D]. 北京交通大学, 2015.

徐海英. 中长期电力负荷预测的研究与分析[J]. 电工技术, 2016(5):00056-00057.

孙进. 电力负荷特性分析及中长期负荷预测方法研究[J]. 电子测试, 2016(21).

包晓晖, 陈冲, 肖方顺. 一种基于聚类分析的短期电力负荷预测方法研究[J]. 浙江水利水电学院学报, 2015(3):73-76.

潘荣波. 关于电网规划中确定性负荷预测的研究分析[J]. 城市建设理论研究:电子版, 2015, 32(29).

邵冬冬. 基于大数据分析的电力短期负荷预测研究与开发[D]. 华北电力大学(北京), 华北电力大学, 2016.

郑钢, 方志辉, 洪宇凯,等. 基于小电网短期负荷预测方法的研究与分析[J]. 南京工程学院学报(自然科学版), 2015, 13(2):39-44.

沈建新. 基于智能优化的电力负荷预测方法研究[D]. 合肥工业大学, 2015.

史文博. 地区电网负荷特性分析及短期负荷预测研究[D]. 华南理工大学, 2015.