敏感负荷预测方法应用研究

摘要

随着我国国民经济的持续增长，地区用电负荷的逐年增加，特别是人民生活水平的不断提高，以空调负荷为代表的季节性负荷逐年增大，对电力系统的影响也越来越大。由于这类负荷对于气候变化比较敏感，具有较强的随机性和突发性，因此对电力系统的合理调度以及电网的稳定运行都会造成不利影响。如果能事先准确的预测出季节敏感负荷，了解该地区的用电情况，事先做好合理安排，采取有效的需求侧管理措施，那么就会大大减小敏感负荷所带来的不利影响。因此，电力系统敏感负荷预测是一项具有实际意义的研究课题。针对目前季节性敏感负荷为电网带来的种种问题，如高峰负荷供应不足引起拉闸限电，以及负载过高导致电网不能安全稳定运行，论文研究了电力敏感负荷预测领域中的相关问题，旨在保障电力系统的经济稳定运行。 论文首先介绍负荷预测的作用与意义，讨论影响电力系统负荷变化的各种因素，并从气温对电力负荷的影响入手，提出了以空调负荷为代表的季节敏感负荷的预测问题。 其次，从电力系统负荷特性分析入手，分析了日最大负荷与温度因子的相关特性，并通过对江苏历史负荷数据的研究，分别采用回归模型、灰色模型及其改进算法和L-M算法的BP神经网络模型来预测周最大负荷，并通过对预测结果的比较分析，选取L-M算法的BP神经网络来建立周敏感负荷预测模型；采用季节指数法和改进季节指数法预测月最大负荷，并基于改进季节指数法建立月敏感负荷预测模型。 最后通过江苏的实际负荷数据进行验证，取得了较好的预测效果。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题研究背景

1.2 电力负荷预测的作用和意义

1.3 影响电力系统负荷变化的因素

1.4 相关问题的研究现状

1.5 问题的提出

1.6 论文主要工作

1.7 论文主要内容

第二章 气温敏感负荷的相关分析

2.1 敏感负荷定义

2.2 日峰负荷与温度因子的相关性分析

2.3 敏感负荷计算分析

2.4 本章小结

第三章 负荷预测方法介绍

3.1 回归分析法

3.2 线性趋势法

3.2.1 二次滑动平均

3.2.2 二次指数平滑法

3.3 灰色预测法

3.3.1 灰色理论概述

3.3.2 累加生成

3.3.3 累减生成

3.3.4 灰色算法的特点

3.3.5 灰色GM(1，1)模型

3.4 人工神经网络

3.4.1 人工神经网络概述

3.4.2 人工神经网络在负荷预测中的应用

3.4.3 BP人工神经网络及BP学习算法

3.4.4 BP人工神经网络算法的改进

3.5 季节指数法

第四章 周最大敏感负荷预测

4.1 周最大敏感负荷的预测方法分析

4.2 周最大负荷预测

4.2.1 回归模型

4.2.2 灰色GM(1，1)模型及其改进算法

4.2.3 L-M算法的BP神经网络模型

4.2.4 几种预测方法的比较分析

4.3 周基准负荷预测

4.4 周敏感负荷预测模型的构建

4.5 实际预测结果的比较和分析

4.5.1周实际最大敏感负荷计算

4.5.2 预测结果与实际值比较

4.6 本章小结

第五章 月最大敏感负荷预测

5.1 月最大负荷预测

5.1.1 传统季节指数预测方法

5.1.2 改进季节指数预测方法

5.2 月基准负荷预测

5.3 月敏感负荷预测

5.4 月敏感负荷预测模型的建立

5.5 实际预测结果的比较分析

5.5.1 实际月最大敏感负荷计算

5.5.2 实际预测结果比较

5.6 本章小结

第六章 总结与展望

6.1 总结

6.2 进一步工作

参考文献

致 谢

作者在攻读硕士学位期间完成的学术论文