考虑实时气象因素的短期负荷预测

论文摘要

电力系统短期负荷预测是电力系统运行调度中一项非常重要的内容,是电力市场的重要组成部分,是电力系统安全、经济、可靠运行的前提和基础。负荷预测精度会直接影响到电力系统的经济效应,因此,如何提高负荷预测水平一直是国内外研究的热点。研究表明,在众多影响因素中,气象因素对电力负荷的影响最为显著。因此,研究气象因素对负荷的影响规律,建立合适的预测模型是提高预测精度的关键。本文首先对杭州地区的负荷特性进行分析,研究了负荷的周期性变化规律,并初步探讨了实时温度、湿度因素对电力负荷影响。接着本文通过对人工神经网络的研究分析,分别以各气象因素、人体舒适度指数和温湿指数为输入,建立了三个BP神经网络模型,并且采用三种优化改进算法进行负荷预测。通过比较,最终选择了以温湿指数作为输入,采用有动量和自适应学习速率的梯度下降法建立预测模型。通过预测实例,证明了该方法的高精度性和快速性。在以上研究的基础上,通过对夏季高温期气象敏感负荷与实时温度、湿度的相关性分析,本文提出将温度累积效应对负荷的影响,分为日内温度累积效应和多日温度累积效应两部分进行处理的新思路。并结合对神经网络拟合的气象敏感负荷与温度、湿度的关系曲线的研究分析,建立了基于温度累积效应修正和湿度修正的多元回归预测模型。最后通过对杭州地区2007年8月份的负荷进行预测,证明了该方法能够有效提高预测精度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的来源和意义
• 1.2 电力系统负荷预测概述
• 1.2.1 负荷预测的基本原理
• 1.2.2 负荷预测的特点
• 1.2.3 负荷预测的分类
• 1.3 短期负荷预测的理论发展和方法研究
• 1.3.1 短期负荷预测的理论发展
• 1.3.2 短期负荷预测的方法研究
• 1.4 气象因素对短期负荷预测的影响
• 1.5 本文的主要研究内容和章节安排
• 第2章 电力系统负荷特性分析
• 2.1 用电负荷的分类和特点
• 2.1.1 用电负荷的分类
• 2.1.2 用电负荷的特点
• 2.2 杭州电网负荷特性分析
• 2.2.1 月负荷特性分析
• 2.2.2 周负荷特性分析
• 2.2.3 日负荷特性分析
• 2.3 实时气象因素的影响分析
• 2.4 电网负荷数据的预处理
• 2.4.1 数据来源
• 2.4.2 异常数据的分类
• 2.4.3 错误数据的检测和修正
• 2.4.4 缺失数据的修补
• 2.5 本章小结
• 第3章 人工神经网络的基本理论
• 3.1 BP神经网络基础
• 3.1.1 BP神经元模型
• 3.1.2 BP神经网络的结构
• 3.1.3 BP神经网络的设计
• 3.2 BP神经网络的算法原理及改进
• 3.2.1 传统BP算法原理
• 3.2.2 有动量的梯度下降法
• 3.2.3 有自适应学习速率的梯度下降法
• 3.2.4 非线性阻尼最小二乘法
• 3.3 本章小结
• 第4章 基于神经网络的短期负荷预测
• 4.1 本章的研究思路
• 4.2 综合气象指数
• 4.2.1 人体舒适度指数
• 4.2.2 温湿指数
• 4.3 预测模型结构与样本预处理
• 4.3.1 预测模型总体结构
• 4.3.2 输入样本预处理
• 4.4 算例分析
• 4.4.1 气象因子直接输入模型
• 4.4.2 人体舒适度输入模型
• 4.4.3 温湿指数输入模型
• 4.4.4 模型的分析与评价
• 4.5 本章小结
• 第5章 考虑温度累积效应的短期负荷预测
• 5.1 气象敏感负荷的提取
• 5.2 气象敏感负荷与气象因子的关系
• 5.2.1 气象敏感负荷与气象因子的相关性分析
• 5.2.2 气象敏感负荷与温度的神经网络拟合
• 5.2.3 气象敏感负荷与湿度的神经网络拟合
• 5.3 考虑温度累积效应的温度修正
• 5.3.1 多日温度累积效应分析
• 5.3.2 日内温度累积效应分析
• 5.3.3 温度修正模型
• 5.4 湿度的相关性修正
• 5.5 考虑实时气象因素的多元回归预测模型
• 5.5.1 多元非线性回归
• 5.5.2 考虑温湿度修正的气象敏感负荷回归模型
• 5.5.3 预测实例
• 5.6 本章小结
• 第6章 结论与展望
• 参考文献
• 致谢
• 攻读硕士期间发表论文和科研成果