大同地区电力负荷分析与预测的研究

论文摘要

电力负荷预测在科技高速发展的今天有重要意义,它在对电力生产、调度、销售制度的制定方面的作用越来越大,同时它也是维持电力系统安全和经济运行重要保障,有效的短期电力负荷预测算法,可以提高预测结果的准确度。电力负荷的规律性与随机性是并存的,未来某刻的电力负荷,与过去的负荷水平、当前的运行状况、预测期的气象因素以及日期类型等密切相关,其中存在大量的线性和非线性关系。对影响大同地区电力负荷变化的因素进行了分析,同时分析了传统方法在进行电力负荷预测的不足。结合大同地区电力负荷的特点,利用传统负荷预测方法中的BP神经网络,建立了模型。在数据预处理中,通过数理统计等方法计算负荷的偏离率来进行负荷异常数据的预处理,对原始数据进行预处理后,负荷的原序列更加趋于合理。在此基础上,构建了一个BP神经网络,确定了BP网络模型中的相关参数,并用建立的BP神经网络模型,对大同地区的电力日负荷进行预测,预测结果表明此方法在风电并网条件下仍具较高预测精度。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及其意义
• 1.2 国内外研究现状
• 1.3 本文的主要工作内容
• 第2章 电力负荷预测的理论基础
• 2.1 电力负荷预测的概念、种类和特性
• 2.1.1 电力负荷的基本概念和种类
• 2.1.2 电力负荷的潜在规律
• 2.1.3 电力负荷的外在特性
• 2.1.4 电力负荷预测的特点
• 2.2 电力负荷预测的基本步骤与预测的误差分析
• 2.2.1 电力负荷预测的基本步骤
• 2.2.2 电力负荷预测的误差分析
• 2.3 各种电力负荷预测方法
• 2.3.1 各种电力负荷预测方法介绍
• 2.3.2 电力负荷预测方法的分类研究
• 2.4 本章小结
• 第3章 电力负荷数据的预处理
• 3.1 预处理的必要性
• 3.2 大同地区电力负荷数据分析
• 3.3 负荷数据的垂直处理
• 3.3.1 垂直处理的基本原理
• 3.3.2 大同地区负荷数据的垂直处理
• 3.4 负荷数据的水平处理
• 3.4.1 水平处理的基本原理
• 3.4.2 大同地区负荷数据的水平处理
• 3.5 缺失电力负荷数据的修正
• 3.6 本章小结
• 第4章 基于BP 神经网络的日负荷预测
• 4.1 应用于负荷预测的人工神经网络一般模型的构建
• 4.1.1 一般特征
• 4.1.2 一般模型
• 4.1.3 神经网络的学习算法
• 4.2 反向传播网络的基本计算
• 4.3 神经网络模型的训练
• 4.3.1 样本的选取
• 4.3.2 BP 网络模型的训练与测试
• 4.4 日电力负荷预测模型的建立
• 4.5 本章小结
• 第5章 大同地区电力负荷分析与预测的研究
• 5.1 大同地区电力负荷特性分析
• 5.2 基本BP 算法模型仿真
• 5.2.1 相关参数的计算
• 5.2.2 仿真结果及误差分析
• 5.3 本章小结
• 第6章 结论
• 参考文献
• 致谢
• 作者简介
• 论文摘要