电力系统短期负荷预测方法的研究及实现

论文题目: 电力系统短期负荷预测方法的研究及实现

论文类型: 硕士论文

论文专业: 电力系统及其自动化

作者: 王常飞

导师: 陈根永

关键词: 短期负荷预测,聚类分析,坏数据处理,径向基函数,系统设计

文献来源: 郑州大学

发表年度: 2005

论文摘要: 短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它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,是能量管理系统(EMS)的组成部分,也是今后进行电网商业化运营所必需的基本内容。 目前,国内外电力系统短期负荷预测的方法很多,比如时间序列法、人工神经网络法、专家系统法等等,但所有的方法都有其局限性,每种方法都只能在一定的范围和条件下得到较满意的预测结果,因而如何提高负荷预测的精度一直是同行专家研究的热点问题。 大量统计数据表明,日负荷数据经过归一化处理后,相似类型日的负荷变化曲线十分相近,而不同类型日的负荷变化曲线差别很大,因此,负荷预测就可以被分成两部分:一部分是负荷归一化曲线的预测,另一部分是日负荷最大值和日负荷最小值的预测。按照这个思路,本文提出了一种基于径向基函数(RBF)神经网络的预测方法;根据节假日负荷与周末负荷间的相似关系,以及节假日负荷受温度变化影响大的特点,提出了一种以周末负荷为基础,考虑温度修正的实用节假日负荷预测算法。 负荷预测包括坏数据处理和预测建模两个重要环节,目前尚无一种系统化的有效方法对坏数据进行精确的辨识。本文充分考虑利用负荷曲线本身的特征,提出了一种电力负荷坏数据检测与处理的方法。该方法首先用k-均值算法对日负荷曲线进行聚类分析,获得每个聚类的特征曲线;然后根据特征曲线和负荷变化率在统计意义上的正常范围值,进行坏数据的精确定位;最后根据特征曲线上的特征负荷值进行坏数据的调整。实例分析取得了良好的效果。 考虑近期我国电力市场需求,本文开发了电力系统短期负荷预测软件系统。该系统包括原始数据维护、负荷预测和预测结果处理三个模块。系统提供了丰富的模型库,各模型可单独预测,也可选择几种模型进行综合预测。该系统采用河南省电网负荷数据和平顶山市电网的实际数据进行了模拟计算和负荷预测,计算结果表明该系统能够取得满意的预测效果。

论文目录:

摘要

Abstract

第1章 绪论

1．1 电力负荷预测的意义

1．2 电力负荷预测技术的发展和现状

1．3 本文所完成的主要工作

第2章 负荷预测原理

2．1 引言

2．2 短期负荷预测基本模型

2．2．1 影响负荷的因素

2．2．2 短期负荷预测基本模型

2．3 负荷预测的特点和原理

2．3．1 负荷预测的特点

2．3．2 负荷预测的原理

第3章 短期负荷预测基本方法

3．1 引言

3．2 各种预测方法简介

3．2．1 多元线性回归分析法

3．2．2 指数平滑法

3．2．3 随机时间序列法

3．2．4 人工神经网络法

3．2．5 专家系统方法

3．3 各种预测方法简评

第4章 短期负荷预测方法研究

4．1 日负荷数据的归一化处理

4．2 通过RBF神经网络预测日负荷归一化曲线

4．2．1 RBF网络概述

4．2．2 RBF网络参数的初始化

4．2．3 RBF网络学习算法

4．2．4 RBF网络短期负荷预测模型

4．3 预测日负荷最大值和最小值

4．4 节假日负荷预测

4．5 实例分析

第5章 电力负荷数据中坏数据的检测与调整

5．1 负荷坏数据检测与调整的基本思路

5．2 特征曲线的产生

5．2．1 聚类分析

5．2．2 k-均值算法

5．2．3 采用k-均值算法实现负荷曲线的聚类

5．3 基于特征曲线的坏数据检测及调整

5．4 实例分析

第6章 短期负荷预测系统的开发

6．1 系统的构成

6．2 数据库设计

6．3 负荷预测软件

6．3．1 主框架简介

6．3．2 功能操作

6．4 软件特点

第7章 结论与展望

7．1 结论

7．2 展望

致谢

参考文献

攻读硕士学位期间发表的学术论文

发布时间: 2005-10-25

参考文献

• [1].基于支持向量机的电力系统短期负荷预测[D]. 冷北雪.西南交通大学2010
• [2].智能技术在电力企业负荷预测中的应用研究[D]. 曾刚.湖南大学2001
• [3].计及地方特点的负荷预测的研究[D]. 郝振奎.华北电力大学2001
• [4].电力系统母线负荷预测研究[D]. 苟旭丹.四川大学2004
• [5].电力系统母线负荷预测研究[D]. 辛丽虹.四川大学2000
• [6].负荷预测可信度分析及在海岛供电系统优化调度中的应用[D]. 张智焜.湖南大学2013
• [7].基于数据挖掘的短期负荷预测研究[D]. 孙英云.清华大学2004
• [8].基于日负荷曲线分解的负荷预测[D]. 张英慧.华北电力大学（河北）2010
• [9].哈尔滨电网负荷预测研究[D]. 刘占坤.哈尔滨工程大学2018
• [10].电力现状评估与负荷预测研究[D]. 王森.长春工业大学2017

相关论文

• [1].基于数据挖掘技术的电力系统短期负荷预测[D]. 薛美娟.西安理工大学2007
• [2].电力系统短期负荷预测方法的研究[D]. 张德玲.郑州大学2007
• [3].电力系统短期负荷预测研究[D]. 卢峥.湖南大学2007
• [4].基于负荷特性分析的短期负荷预测的研究与实现[D]. 龙立波.湖南大学2007
• [5].电力系统短期负荷预测模型与优选的研究[D]. 徐军华.四川大学2004
• [6].电力系统短期负荷预测及其应用系统[D]. 朱向阳.东南大学2004
• [7].基于神经网络的电力系统短期负荷预测研究[D]. 邵莹.哈尔滨理工大学2005
• [8].电力系统短期负荷预测方法研究[D]. 马静波.四川大学2005
• [9].电力系统短期负荷预测技术的研究与应用[D]. 张涛.浙江大学2005
• [10].电力系统短期负荷预测研究[D]. 张晓.四川大学2001

标签：短期负荷预测论文;  聚类分析论文;  坏数据处理论文;  径向基函数论文;  系统设计论文;