浙江地区电力负荷中长期预测_开题报告

文献综述

（一）国内研究现状

    中长期的预测，一般只时间尺度为5-10年的负荷预测，是电力系统的一个重要的研究领域，这对于保障电源电网规划、运行的安全性和经济具有重要的意义。

2012年以后，我国的电力消费水平呈现一种高速增长的状态，而且呈现一种”S”型特性，这给电力负荷的预测带来了不利的影响。而且，我国的电力负荷的数据太少，样本的数量年限有些少，这对于电力负荷的中长期预测十分的不利。而且，需要考虑到负荷具有社会属性，这给预测工作带来了很多复杂的影响，因此，需要渗入研究预测方法，解决预测精度不足的问题。

目前国内外对中长期负荷预测的模型和方法有很多。比如说传统的趋势外推法、弹性系数法、计量经济学中的时间顺序法、回归分析法等。还有一些现代的预测方法，比如说现在预测中用到的神经网络的方法、模糊预测的方法和灰色预测方法。这些方法各有各自的长处。近年来，一些新型的预测模型也逐渐多了起来。李亦言等人针对城市化形成的复杂环境，研究了一种新的预测模型，即使用层次分析方法分析电力负荷的各个影响因素之间的权值，然后使用模糊类聚分析方法得到中长期的预测数据值。王鹏等人借助向量误差修正理论，从短期扰动和长期的历史延续两个方面研究了不同行业的电力需求关系，进而进行中长期的电力负荷预测。

上述方法采用的均是单一的数据预测模型，单一的预测模型有自己固定的使用范围，难以适用所有的情况。而组合多个单一模型可以很好的避开这些问题，提高预测的精度。现在最常见的组合方法是最小方差法、方差-协方法、递归等权法和层次分析法等。此外，众多的文章中也给出了组合方法的改进和创新。温青等人充分考虑电力需求和未来经济发展的关系，提出了基于两个评价指标来计算各个预测模型的权重，指标一是模型预测值与实际负荷之间的误差，指标二是各个预测值的年增长率与国内生产总值年增长率的误差。杨胡萍等人将理想点多属性决策算法引入到中长期电力负荷预测中，建立了理想点组合预测模型，进行中长期的电力负荷预测，文中采用了最大误差的绝对值、最小误差的绝对值、平均绝对百分误差和均方差这4个评价指标的倒数作为属性值，进行预测的。孙广强等人针对传统电力负荷组合预测模型中出现的负权重、没有区别对待不同历史时段的误差对权重的影响以及变权重计算方法较为复杂等问题,文中提出一种基于新鲜度函数和预测有效度的模糊自适应变权重组合预测模型,并应用到中长期电力负荷组合预测中。陈毅波等人将粗糙集理论与D-S证据理论引入多元回归算法,利用粗糙集理论对影响因子进行重要性排序，分别以历史年和影响因子为对象进行聚类,以此建立多个多元回归模型，利用D-S证据理论对多个组合预测的权重分配方案进行权重融合,得出最终基于多元回归分析法的组合预测模型在。

（二）国外研究现状

    Zhang D.L.等人研究了电力负荷的增长率无后效性，采用马尔科夫链划分区间，采用方差-协方差方法分配权重，提出一种组合预测模型。Chel. Ardoni L等人利用经验模态分解模型从时间和空间上对电力负荷进行了分解，再使用支持向量计算方法进行电力负载的中长期预测。

经过对前人文章的研读，我发现对于电力负荷中长期的预测虽然发展十分的迅速，预测的准确性也提高了很多。但是我发现，大多数的预测的思路还是采用时序外推法，即利用负荷及其影响因素的历史数据建立负荷变化规律模型，再外推预测未来的负荷。这种方法比较适合用于负荷稳定增长、存在大量数据样本的情况。但是由于在一些城市电力负荷的相关记录很少，这为这项工作带来了很多不利的影响，预测所需要的历史数据太少。还有就是很多的预测模型需要数据的时效性，以最近几年的数据最为合适。而且在现在的新常态下，如果只使用单一的预测模型，预测结果相差太大。因而需要使用组合型的方法进行电力负荷预测。在新常态下，未来的经济环境更是难以准确估计，单一的预测结果存在很大的风险与挑战。

本文提出基于偏最小二乘回归和情景分析法的中长期负荷预测模型。首先，从经济新常态的速度、结构、动力3个宏观方面入手，构建宏观与微观相结合、层次化的电力负荷影响因素指标体系。其次，利用偏最小二乘回归 PLS( Partial Least-Square regression) ，解决样本数量少和变量多重相关性的问题，获取新常态下电力负荷与各影响因素的关系方程;利用情景分析法，设定未来多个经济发展情景及相应参数，以获得针对不同情景的负荷预测结果。最后，利用所提出的模型对华东地区（浙江省）“十三五”期间逐年的用电量进行预测。

^范文提纲

1   引言

国内研究现状

国外研究现状

经济新常态下的负载影响分析

经济新常态对电力负荷的影响分析

电力负荷影响因素体系的构建

PLS模型

PLS方程的建立

交叉有效性检验

基于PLS和情景分析法的负荷预测模型

情景分析法

负荷预测情景设定预测

具体案例分析

小结

参考文献

三、  参考文献

[1] 康重庆, 夏清, 张伯明. 电力系统负荷预测研究综述与发展方向的探讨[J]. 电力系统自动化, 2004, 28(17): 1-11.

[2] 张栋梁, 严健, 李晓波, 等. 基于马尔可夫链筛选组合预测模型的中长期负荷预测方法[J]. 电力系统保护与控制, 2016, 44(12): 63-67.

[3] 李亦言, 严正, 冯冬涵. 考虑城市化因素的中长期负荷预测模型[J]. 电力自动化设备, 2016, 36(4): 54-61.

[4] 王鹏, 陈启鑫, 夏清, 等. 应用向量误差修正模型的行业电力需求关联分析与负荷预测方法[D]. 中国电机工程学会, 2012.

[5] 王栋, 邵常宁, 费建平, 等. 基于大客户和地方电厂数据管理预测平台的负荷还原预测方法研究[J]. 浙江电力, 2015, 34(12): 11-15.

[6] 李春祥, 牛东晓, 孟丽敏. 基于层次分析法和径向基函数神经网络的中长期负荷预测综合模型[J]. 电网技术, 2009 (2): 99-104.

[7] 蒋燕, 王少杨, 封芸. 基于递归等权组合模型的中长期电力负荷预测[J]. 电力系统及其自动化学报, 2012, 24(1): 151-155.

[8] 贺辉. 电力负荷预测和负荷管理[M]. 北京：中国电力出版社，2013.

[9] 温青, 张筱慧, 杨旭. 基于负荷误差和经济发展趋势的组合预测模型在中长期负荷预测中的应用[J]. 电力系统保护与控制, 2011, 39(3): 57-61.

[10] 杨胡萍, 李辉, 占思凯, 等. 基于理想点多属性决策算法的中长期电力负荷组合预测[J]. 燕山大学学报, 2017, 41(1): 63-67.

[11] 孙广强, 姚建刚, 谢宇翔, 等. 基于新鲜度函数和预测有效度的模糊自适应变权重中长期电力负荷组合预测[J]. 电网技术, 2009 (9): 103-107.

[12] 陈毅波, 郑玲, 姚建刚. 基于粗糙集理论与 DS 证据理论改进的多元回归负荷预测方法研究[J]. 电力系统保护与控制, 2016, 44(6): 62-67.

[13] Dong-Liang Z, Wei-Hua W, Xiu-Lan Y. Mid-long term load forecasting of the unstable growth sequence based on Markov chains screening combination forecasting models[C]//Electricity Distribution (CICED), 2016 China International Conference on. IEEE, 2016: 1-5.

[14] Ghelardoni L, Ghio A, Anguita D. Energy load forecasting using empirical mode decomposition and support vector regression[J]. IEEE Trans. Smart Grid, 2013, 4(1): 549-556.