受天气因素影响的电力系统短期负荷预测综述_论文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
受天气因素影响的电力系统短期负荷预测综述
|0|0|文档简介
中国最大最早的专业内容网站|
总评分0.0|
&&简介各种针对天气因素影响的短期负荷预测方法,探讨在天气波动较大地区提高短期负荷预测精度的各种思路。认为在目前,神经网络方法是最适合天气敏感短期负荷预测的方法。然而不管采用何种方法,都需要与气象预测紧密结合。
试读已结束，如果需要继续阅读或下载，敬请购买
定制HR最喜欢的简历
你可能喜欢
您可以上传图片描述问题
联系电话：
请填写真实有效的信息，以便工作人员联系您，我们为您严格保密。君，已阅读到文档的结尾了呢~~
地区电网短期负荷预测方法研究电力,研究,电网,预测方法,电网负荷,负荷预测,反馈意见
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
地区电网短期负荷预测方法研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口电力系统负荷预测论文
摘要：负荷预测在电力系统规划和运行方面发挥的重要作用，具有明显的经济效益，负荷预测实质上是对电力市场需求的预测。该文系统地介绍和分析了各种负荷预测的方法及特点，并指出做好负荷预测已成为实现电力系统管理现代化的重要手段。 关键词：电力系统 负荷预测 电力市场 建设规划
电力系统负荷预测是指从电力负荷自身的变化情况以及经济、气象等因素的影响规律出发，通过对历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，以未来的经济、气象等因素的发展趋势为依据，对电力需求作出预先的估计和推测。负荷预测包括两方面的含义：对未来需求量(功率)的预测和未来用电量(能量)的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型(如调峰机组、基荷机组等)。
负荷预测的目的就是提供负荷发展状况及水平，同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平，确定各规划年用电负荷构成。
2 负荷预测的方法及特点
2.1 单耗法
按照国家安排的产品产量、产值计划和用电单耗确定需电量。单耗法分"产品单耗法"和"产值单耗法"两种。采用"单耗法"预测负荷前的关键是确定适当的产品单耗或产值单耗。从我国的实际情况来看，一般规律是产品单耗逐年上升，产值单耗逐年下降。单耗法的优点是：方法简单，对短期负荷预测效果较好。缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。
2.2 趋势外推法
当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t为自变量，时序数值y为因变量，建立趋势模型y＝f(t)。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值。这就是趋势外推法。
应用趋势外推法有两个假设条件：①假设负荷没有跳跃式变化；②假定负荷的发展因素也决定负荷未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模型的两种基本方法。
外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数曲线趋势预测法、生长曲线趋势预测法。趋势外推法的优点是：只需要历史数据、所需的数据量较少。缺点是：如果负荷出现变动，会引起较大的误差。
2.3 弹性系数法
弹性系数是电量平均增长率与国内生产总值之间的比值，根据国内生产总值的增长速度结合弹性系数得到规划期末的总用电量。弹性系数法是从宏观上确定电力发展同国民经济发展的相对速度，它是衡量国民经济发展和用电需求的重要参数。该方法的优点是：方法简单，易于计算。缺点是：需做大量细致的调研工作。
2.4 回归分析法
回归预测是根据负荷过去的历史资料，建立可以进行数学分析的数学模型。用数理统计中的回归分析方法对变量的观测数据统计分析，从而实现对未来的负荷进行预测。回归模型有一元线性回归、多元线性回归、非线性回归等回归预测模型。其中，线性回归用于中期负荷预测。优点是：预测精度较高，适用于在中、短期预测使用。缺点是：①规划水平年的工农业总产值很难详细统计；②用回归分析法只能测算出综合用电负荷的发展水平，无法测算出各供电区的负荷发展水平，也就无法进行具体的电网建设规划。
2.5 时间序列法
就是根据负荷的历史资料，设法建立一个数学模型，用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性；另一方面在该数学模型的基础上再确立负荷预测的数学表达式，对未来的负荷进行预测。时间序列法主要有自回归AR(p)、滑动平均MA(q)和自回归与滑动平均ARMA(p,q)等。这些方法的优点是：所需历史数据少、工作量少。缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足，只适用于负荷变化比较均匀的短期预测的情况。
2.6 灰色模型法
灰色预测是一种对含有不确定因素的系统进行预测的方法。以灰色系统理论为基础的灰色预测技术，可在数据不多的情况下找出某个时期内起作用的规律，建立负荷预测的模型。分为普通灰色系统模型和最优化灰色模型两种。
普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此法有预测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动性变化的电力负荷，其预测误差较大，不符合实际需要。而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增强的成指数递增变化的序列，大大提高预测精度和灰色模型法的适用范围。灰色模型法适用于短期负荷预测。灰色预测的优点：要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验。缺点：一是当数据离散程度越大，即数据灰度越大，预测精度越差；二是不太适合于电力系统的长期后推若干年的预测。
2.7 德尔菲法
德尔菲法是根据有专门知识的人的直接经验，对研究的问题进行判断、预测的一种方法，也称专家调查法。德尔菲法具有反馈性、匿名性和统计性的特点。德尔菲法的优点是：①可以加快预测速度和节约预测费用；②可以获得各种不同但有价值的观点和意见；③适用于长期预测，在历史资料不足或不可预测因素较多尤为适用。缺点是：①对于分地区的负荷预测则可能不可靠；②专家的意见有时可能不完整或不切实际。
2.8 专家系统法
专家系统预测法是对数据库里存放的过去几年甚至几十年的，每小时的负荷和天气数据进行分析，从而汇集有经验的负荷预测人员的知识，提取有关规则，按照一定的规则进行负荷预测。实践证明，精确的负荷预测不仅需要高新技术的支撑，同时也需要融合人类自身的经验和智慧。因此，就会需要专家系统这样的技术。专家系统法，是对人类的不可量化的经验进行转化的一种较好的方法。但专家系统分析本身就是一个耗时的过程，并且某些复杂的因素(如天气因素)，即使知道其对负荷的影响，但要准确定量地确定他们对负荷地区的影响也是很难的。专家系统预测法适用于中、长期负荷预测。此法的优点是：①能汇集多个专家的知识和经验，最大限度地利用专家的能力；②占有的资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。缺点是：①不具有自学习能力，受数据库里存放的知识总量的限制；②对突发性事件和不断变化的条件适应性差。
2.9 神经网络法
神经网络(ANN,Artificial Neural Network)预测技术，可以模仿人脑做智能化处理，对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期负荷预测比应用于中长期负荷预测更为适宜。因为，短期负荷变化可以认为是一个平稳随机过程。而长期负荷预测可能会因政治、经济等大的转折导致其模型的数学基础的破坏。优点是：①可以模仿人脑的智能化处理；②对大量非结构性、非精确性规律具有自适应功能；③具有信息记忆、自主学习、知识推理和优化计算的特点。缺点是：①初始值的确定无法利用已有的系统信息，易陷于局部极小的状态；②神经网络的学习过程通常较慢，对突发事件的适应性差。
2.10 优选组合预测法
优选组合有两层含义：一是从几种预测方法得到的结果中选取适当的权重加权平均；二是指在几种预测方法中进行比较，选择拟和度最佳或标准偏差最小的预测模型进行预测。对于组合预测方法也必需注意到，组合预测是在单个预测模型不能完全正确地描述预测量的变化规律时发挥作用。一个能够完全反映实际发展规律的模型进行预测完全可能比用组合预测方法预测效果好。该方法的优点是：优选组合了多种单一预测模型的信息，考虑的影响信息也比较全面，因而能够有效地改善预测效果。缺点是：①权重的确定比较困难；②不可能将所有在未来起作用的因素全包含在模型中，在一定程度上限制了预测精度的提高。
2.11 小波分析预测技术
小波分析是一种时域-频域分析法，它在时域和频域上同时具有良好的局部化性质，并且能根据信号频率高低自动调节采样的疏密，它容易捕捉和分析微弱信号以及信号、图像的任意细小部分。其优点是：能对不同的频率成分采用逐渐精细的采样步长，从而可以聚集到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够方便地加以处理、储存、传递、分析或被用于重建原始信号。这些优点决定了小波分析可以有效地应用于负荷预测问题的研究。
猜你喜欢的内容。。。
……[保密的毕业论文(设计)在解密后应遵守此协议] 学生签名: 时间: 年 月 日 密级: (请注明密级及保密期限) 摘 要 电力系统负荷预测的研究已经有一段时间的历史......
……电力系统负荷预测论文_电力水利_工程科技_专业资料。方法综述 电力系统负荷预测论文摘要:负荷预测在电力系统规划和运行方面发挥的重要作用,具有明显的经济效益,负荷......
……期 科技 目向导 ◇ 科技之窗◇ 电力系统负荷预测中不确定性分析...
……电力负荷预测毕业论文_其它考试_资格考试认证_教育专区。1 编号: 中国农业大学现代远程教育 毕业论文(设计) 毕业论文(设计)论文题目: 论文题目:电力负荷预测学 生......
……1 绪论 1 电力系统负荷预测电力系统发展到今天,已成为国民经济建设和人民生活...本论文借鉴以上研究,试图采用更加有效的优化算法,建立基于 bp 网络 基础上的短期......
……浅谈 电力 系统 负荷预测分析 沈力 . ’ (国 网重 庆万 州供 电公 司 ...
……电力系统负荷预测_专业资料。负荷预测在电力系统规划和运行方面能发挥重要的作用,产...
……电力系统负荷预测研究与分析_电力水利_工程科技_专业资料。油田、 矿山、 电力...
………… … 浅析 电力系统负荷预测技术 范宜杰 ( 国网上海 崇明供 电公司, 上...
……电力系统负荷预测研究综述与发展_教育学心理学_人文社科_专业资料。应用技术 china science and technology review ●i 电力 系统 负荷预测 ......
……浅析电力系统负荷预测方法_电力水利_工程科技_专业资料。工 业技 术 l■ c...
……电力系统负荷预测_专业资料。电力负荷预测是一项重要但又非常复杂的工作,因为它受到...
……电力系统负荷预测_it计算机_专业资料。负荷预测在电力系统规则和运行方面能发挥...
……浅析电力系统的负荷预测_专业资料。负荷预测对电力系统规划和运行极为重要,文中论述了电力系统负荷预测的方法与分类、负荷预测的基本过程,同时介绍了新兴交叉学科理论及......
……电力系统负荷预测技术_专业资料。随着21世纪的科技发展,电力负荷预测的核心问题是...
……理 论广 角 201 3年5期(中) 电力系统负荷预测方法的研究与应用 李书强 ...
……浅谈电力系统的负荷预测_专业资料。负荷预测在电力系统规划和运行方面能发挥重要的作用,产生明显的经济效益,负荷预测实质上时对电力市场需求的预测。本文系统介绍和分析......
……3 完成论文需具备的条件(1)电力系统经济运行方面 电力负荷预测,是发电厂制...
……电力系统负荷预测方法及特点_专业资料。提高负荷预测技术水平,有利于计划用电管理,...
……文章简要介绍了电力系统负荷预测的基本原理,分析了几种主要的电力系统负荷预测的方法,最后结合实际举例说明了几种预测方法的应用。文章简要介绍了电力系统负荷预测的基本......
看过本文章的还看过。。。
您可能感兴趣。。。
最新浏览记录君，已阅读到文档的结尾了呢~~
电力系统短期负荷预测电力,系统,帮助,电力系统,电力负荷
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
电力系统短期负荷预测
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口文档分类：
下载后只包含 1 个 DOC 格式的文档，没有任何的图纸或源代码，
下载前请先预览，预览内容跟原文是一样的，在线预览图片经过高度压缩，下载原文更清晰。
您的浏览器不支持进度条
下载文档到电脑，查找使用更方便
还剩?页未读，继续阅读
播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表电力系统短期预测-毕业设计外文翻译.doc
文档介绍：
ZH Osman, M L. Awad, TK Mahmoud. work Based Approach for Short-Term Load Forecasting[C]. Power Systems Conference and Exposition , Seattle ,2009. 基于神经网络的短期负荷预测 Zainab H. Osman, Mohamed L. Awad and Tawfik K. Mahmoud 摘要: 短期负荷预测是电力系统规划和运作的一个重要组成部分。系统负荷的预测影响着机组的启停计划和安全评估, 并对系统的运营成本和安全性也有着直接的影响。大多数电力公司用传统的回归方法进行负荷预测。然而, 由于负荷和影响因素之间的非线性关系, 或考虑负荷的季节性变化, 传统的方法是不足够提供准确的负荷预测。传统的基于人工神经网络的负荷预测方法是用历史的温度数据来预测未来 24 小时的负荷,而急剧的温度变化导致了较高的预测误差。本文提出了一个新的神经网络来对短期负荷进行预测, 它通过用最相关的气象数据进行训练、验证和测试神经网络。相关气象资料的数据决定了神经网络的输入参数, 通过埃及的实际负荷数据的应用说明了该方法的适用性。关键字:负荷预测,神经网络,短期,相关分析。Ⅰ引言供电的基本要求包括安全性、可靠性、经济性三个方面。公用事业始终面临的挑战为最大限度地提高他们的短期和长期的运作效率来满足日益增长的负荷需求。为了实现这个目标, 一些作业任务如燃料分配、机组组合、机组调配、储备分配和维护调度必须进行有效地降低整体营运成本。为了满足负载的波动和公用事业的需求需要确保足够的输电和发电资源。资源的采购应满足经济性来优化运营成本。负荷需求对电力系统的运作和控制有着很大影响, 提高负荷预测的准确性可以显著地节省资源。高预测误差可以导致过分保守或不可靠的操作。例如,过高的负荷的估计可以增加发电单位造成不必要的启动或购买过多的能量。相反, 过低的负荷估计会导致热备用供应不足, 这是违反安全操作要求的。负荷预测错误引起的供应缺乏也可导致近实时采购的价格比预期的要高。显而易见提高负荷预测的准确性对系统的安全性和经营成本有积极的效果[1] 。目前, 电力公司使用的是世界范围内各种负荷预测技术。大多数发达国家的方法, 大致可分为三类,即参数法,非参数法,基于人工智能的方法[2] 。在参数法中,数学或统计的模型在负荷和影响因素之间建立起来。这些模型中有时间的函数,多项式函数,线性回归, 傅立叶级数,自回归滑动平均( ARMA 模型)模型[3] - [6] 。在时间序列方法,负荷被视为是一些周期性的时间序列信号如每季,每周或每天的信号。这种重复循环使给定的每季,一周中每天, 一天中的各个时间点的负荷的预测变得不准确。实际负荷和估计值之间的差异可以看作是一个随机过程,它可以使用卡尔曼滤波方法[7] 进行改进。非参数方法直接对历史数据进行负荷的预测。例如,使用非参数回归法可以通过计算平均历史负荷再分配权重,以多元的产品内核来进行负荷的预测[8] 。近期, 巨大的利益已指示我们应用人工智能技术进行负荷预测。这包括专家系统的应用[9][10] , 其性能与传统方法进行比较参考[1] 。它还包括利用模糊推理[11] 和模糊神经网络模型[12][13] 。人工神经网络( 神经网络) 受到了高度的关注和努力。人工神经网络的主要优势是它们的数据分类和函数逼近。人工神经网络也能够检测出其与历史数据的依赖关系, 而不需要制定具体的回归模型。应用人工神经网络进行负荷预测最先在 20 世纪 80 年代末和 90 年代初被提出[14] 。此后的人工神经网络已被广泛接受, 并在许多公用事业中被使用[15] - [16] 。最传统的基于神经网络的负荷预测方法是通过对历史温度提前 24 小时进行预测或对第二天高峰负荷进行预测。这种方法的缺点是, 当过去的一天的温度发生急剧变化时, 负荷功率变化显著, 从而导致较高的预测误差[17] 。此外, 传统的神经网络在整个预测过程中使用所有与该天类似的数据。然而, 神经网络使用的是与该天数据类似的所有天数的数据, 这项复杂的任务不适合学习神经网络。为了克服上述问题, 本文提出了用仅一个小时的提前的天气数据来进行负荷预测的方法。在被提议的预测方法中, 先根据气象数据分析出与负荷变化最相关的因素。这些最相关的气象数据用来训练, 验证和测试的神经网络。相关气象资料的分析用来确定神经网络的输入参数。通过埃及实际系统负荷的应用说明了该方法的适用性。Ⅱ负荷分析电力系统负荷模式的不同特点显著地影响着人工神经网络模型的选择。换句话说, 人工神经网络模型结构是依赖于系统和目标系统的特点, 应从人工神经网络设计的基本步骤上来分析短期负荷预测。在设计任何负荷预报的第一步是通过分析以往的负荷记录来提取负载特性,比如周期性和趋势[1] 。在本文中,负载分析用的是埃及负荷记录数据。表 1 显示了埃及每月在
年期间兆瓦峰值负载变化。在 2004 年最大负荷为 15491 兆瓦,它是在 7 月的第二个星期观察所得的。系统 2004 年的平均用电需求为 10978 兆瓦。
年度能源消费总量为为 85305 兆瓦时。图1 显示了在埃及的主要消费区域分布, 在这一年分别为 36.8 %住宅用品, 35.1 %的工业负荷, 11.2 %的政府公用事业和农业, 16.8 %的转售和重新销售的负荷。图2 说明了以 2004 年1、7、 10 月的第一周为代表的季节性负荷变化的负载特性。数字显示在这几个星期温度,露点,湿度和风速对负荷的变化。表1 埃及在
年每月高峰负荷图1 埃及
年度的能源消耗分布表2 显示的分别是 1 月, 4 月, 7 月和 10 月的第一周的负载需求和四个天气因素: 温度, 露点, 风速和湿度之间的相互关系。研究表明任意时刻的负荷对每日高峰负荷都有着影响。之前的观察已经对不同工作日[1] 负荷形状有所研究。在一周的不同日子有着不同的负载模式。星期四和星期五的模式与其他工作日的负荷略有不同主因为它们接近周末。图2 埃及在 2004 年的负荷与天气的季节性负荷变化参数Ⅲ人工神经网络结构人工神经网络模型的制定需要涉及到不同的模型参数, 如模型的结构, 训练算法和输入变量。本节介绍这些参数的意义和它们在短期负荷预测中是如何选择的。 A. 输入变量输入变量的种类和数量的选择是人工神经网络的设计中遇到的一个重要问题。短期负荷预测的性能在很大程度上取决于负载的影响变量的正确选择。短期负荷预测中关键变量是时间,天气因素, [1] 历史负荷。这一点尤为重要,因为不相干的输入和与输出无关的输入会扭曲预测的性能, 选择好的输入变量能提高训练的时间, 增加网络的复杂性, 减少网络的执行时间。确定最具影响的输入变量的方法之一是通过评估输入变量和输出目标之间的统计相关性。在本文1
内容来自淘豆网转载请标明出处.}