地区电网短期负荷组合预测方法研究

论文摘要

短期负荷预测是电力系统负荷预测的重要组成部分,高精度的负荷预测对于节约电网运营成本,提高电能质量,保障系统安全稳定具有重要意义。本文在分析介绍现有的各种负荷预测方法基础上,采用粒子群方法、灰色模型、支持向量机模型和组合预测模型来研究地区电网短期负荷预测模型和预测方法,建立地区电网短期组合预测模型,该组合预测模型将用粒子群优化方法改进的灰色预测模型与用粒子群优化方法改进的支持向量机预测模型相结合,既充分发挥各单一预测模型的优点,又避免了单一预测模型所存在的预测风险,有效地利用多种有用信息,全面地反映系统的变化规律,减少随机性,提高了预测精度。实证结果表明,本文所提出的预测模型对地区电网短期负荷预测工作具有一定的理论和实践指导意义。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 短期负荷预测的研究现状
• 1.3 本论文的研究内容
• 1.4 全文的结构安排
• 第二章 电网短期负荷预测基本理论
• 2.1 短期负荷预测的概念
• 2.2 短期负荷预测的分类及其影响因素
• 2.2.1 短期负荷预测的分类
• 2.2.2 短期负荷预测的影响因素
• 2.3 短期负荷的特性分析
• 2.3.1 短期电力负荷分量构成
• 2.3.2 短期电力负荷特性指标
• 2.4 短期负荷预测的基本步骤
• 2.5 误差分析
• 2.5.1 误差产生原因
• 2.5.2 误差的描述指标
• 第三章 短期负荷预测模型分析与选择
• 3.1 主要传统短期负荷预测模型分析
• 3.1.1 专家系统法
• 3.1.2 趋势分析法
• 3.1.3 回归分析法
• 3.1.4 时间序列法
• 3.2 主要现代短期负荷预测模型分析
• 3.2.1 模糊预测法
• 3.2.2 神经网络法
• 3.2.3 灰色模型法
• 3.2.4 支持向量机法
• 3.2.5 组合预测法
• 3.3 本文短期负荷预测模型选择
• 第四章 地区电网短期负荷组合预测模型的建立
• 4.1 组合预测模型概述
• 4.2 粒子群灰色模型与粒子群支持向量机模型
• 4.2.1 粒子群优化算法
• 4.2.2 粒子群灰色模型
• 4.2.3 粒子群支持向量机模型
• 4.3 组合预测模型权重确定方法
• 4.3.1 定权组合预测方法
• 4.3.2 变权组合预测方法
• 4.4 基于神经网络方法的权重确定
• 4.5 算法实现流程图
• 第五章 地区电网短期负荷预测算例分析
• 5.1 地区电网概况
• 5.2 地区电网负荷特性分析
• 5.3 A 地区电网短期负荷预测
• 5.3.1 样本与其输入量的选择
• 5.3.2 负荷预测的具体步骤
• 5.4 预测结果的综合分析与评价
• 第六章 结论与展望
• 6.1 本文的结论与创新之处
• 6.2 需要进一步研究的问题
• 参考文献
• 致谢
• 附录：MATLAB 程序部分代码
• 攻读硕士学位期间发表的学术论文和参加科研情况