电力系统短期负荷预测技术的研究与实现

论文摘要

短期电力负荷预测作为能量管理系统EMS的重要组成部分,它不仅是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面,也是进行电网市场化运营所必需的基本内容,其预测精度直接影响电网及各发电厂的经济效益。电力系统负荷的运行变化易受多方面影响,其中天气、节假日等特殊情况的影响十分重要,常用预测方法对其不能很好适应。本文在分析比较各种预测方法优缺点的基础上,提出了一种考虑气象因素及日期类型的BP神经网络模型,并分析了样本数据处理中遇到的几个具体问题。最后,用面向对象语言设计和实现了这种预测模型,并通过实验对其进行了分析,验证了神经网络的优越性。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 论文选题的意义
• 1.1.1 短期负荷预测的意义
• 1.2 短期负荷预测技术发展
• 1.2.1 国内外短期负荷预测技术的发展
• 1.2.2 短期负荷预测研究动向
• 1.3 论文的主要工作
• 第二章 短期负荷预测模型分析
• 2.1 负荷预测的特点和原理
• 2.1.1 负荷预测的特点
• 2.1.2 负荷预测的原理
• 2.2 负荷预测的常用模型
• 2.2.1 多元线性回归分析法
• 2.2.2 指数平滑法
• 2.2.3 随机时间序列法
• 2.2.4 专家系统方法
• 2.2.5 人工神经网络法
• 2.3 对各预测模型的分析
• 2.4 短期负荷预测模型选择
• 第三章 人工神经网络与短期负荷预测应用
• 3.1 人工神经网络的数学基础
• 3.1.1 人工神经元模型
• 3.1.2 处理单元的激活转移函数
• 3.1.3 网络拓扑结构及工作方式
• 3.2 BP 神经网络短期日负荷预测应用
• 3.2.1 神经网络负荷预测的可行性分析
• 3.2.2 负荷的影响因素分析
• 3.2.3 考虑气象因素和日期特征的训练向量模型
• 3.2.4 近大远小原则及训练样本的选择策略
• 3.2.5 BP 神经网络模型的学习原理
• 3.2.6 BP 神经网络模型的算法设计
• 3.3 BP 神经网络预测中的几个具体问题
• 3.3.1 负荷数据的去伪预处理
• 3.3.2 样本数据的归一化
• 第四章 神经网络负荷预测技术的实现
• 4.1 需求调查与分析
• 4.1.1 系统设计目标
• 4.1.2 系统总体结构层次
• 4.1.3 数据源的选取
• 4.1.4 人工神经网络与面向对象
• 4.1.5 开发语言
• 4.2 系统模块设计及流程
• 4.2.1 BP 神经网络软件实现程序框架
• 4.2.2 负荷数据的读取方式
• 4.2.3 负荷数据读取的实现
• 4.2.4 BP 神经网络训练
• 4.2.5 BP 神经网络训练的实现
• 4.2.6 BP 神经网络预测模拟及实现
• 4.2.7 算例分析
• 结论
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况