考虑气象和节假日因素的电力系统负荷建模研究

摘要

负荷建模和负荷预测是电力系统安全运行和合理调度的重要工作基础。本文提出了一种考虑气象和节假日因素的、系统的负荷建模方法，并将其具体应用于江苏某地区的负荷预测。主要研究内容和成果有： 1．提出了基于趋势分解的电力系统负荷建模方法。首先，将整体负荷分解为趋势负荷和非趋势负荷两部分，两者分别反映负荷的趋势性变化量和非趋势性交化量；然后，进一步将非趋势负荷分解为受信息充分因素和信息不充分因素影响的两部分，其中的信息充分因素包括多个“主导因素”，从而受信息充分因素影响的负荷就可由多个受“主导因素”影响的负荷之和表示，而受信息不充分因素影响的非趋势性负荷则属于非建模部分。在负荷预测的具体应用中，非趋势负荷可由各主导因素的修正模型获得。 2．分析了移动平均值和K-means聚类分析两种方法在负荷数据预处理应用上的优缺点，并提出了综合使用两种方法的改进的数据预处理方法。 3．具体实现了所提出的建模方法。首先利用ARMA模型实现了趋势负荷的建模，然后利用ARMA、粗糙集、倍比等方法依次建立了主导因素（人体舒适度、降水、节假日）的修正模型。 4．具体结合江苏某地区2005到2007年的负荷和气象数据，应用了上述负荷建模与预测方法，结果表明了所提方法的有效性，

目录

文摘

英文文摘

声明

第1章 绪论

1.1 课题研究背景和意义

1.2 电力系统负荷建模的研究现状

1.3 本文的主要工作和内容安排

第2章 基于趋势分解的负荷建模方法

2.1 基于分解思路的电力系统负荷建模方法的研究现状

2.2 考虑趋势分解的负荷建模方法的研究

2.3 基于趋势分解的电力系统短期负荷预测模型

2.4 负荷分解过程中主导因素的确定

2.5 建模方法的可行性说明

第3章 负荷数据预处理

3.1 负荷数据预处理简介及研究现状

3.2 移动平均值方法和K-means聚类分析及其各自存在的问题

3.2.1 移动平均值方法及其存在的问题

3.2.2 K-means聚类分析及其存在的问题

3.3 结合移动平均值和K-eans聚类分析的数据预处理改进方法

3.3.1 改进方法

3.3.2 实例分析

3.4 本章小结

第4章 基于ARMA的趋势负荷建模

4.1 ARMA模型简介

4.1.1 线性时间序列简介

4.1.2 ARMA的模型识别、参数估计、假设检验和预测

4.1.3 非平稳序列转化为平稳序列

4.2 基于ARMA模型的趋势负荷计算

4.2.1 基于ARMA的趋势负荷的计算方法

4.2.2 实例分析

4.3 本章小结

第5章 人体舒适度因素的修正模型

5.1 人体舒适度指数(HCD)简介

5.2 人体舒适度指数与负荷的关系

5.3 人体舒适度因素的修正模型的建立

5.4 本章小结

第6章 基于粗糙集理论的降水因素的修正模型

6.1 粗糙集理论简介

6.1.1 粗糙集理论的几个基本概念

6.1.2 连续数据的离散化问题

6.1.3 决策表约简算法

6.2 基于RS的降水因素的修正模型

6.2.1 决策表的建立及其离散化

6.2.2 降水-负荷差组成的决策表的约简

6.2.3 降水因素影响下的预测负荷的修正

6.3 本章小结

第7章 基于正常日倍比法的节假日因素的负荷建模与预测

7.1 节假日因素影响下的负荷特点

7.1.1 倍比法简介

7.1.2 周六和周日的负荷特点

7.1.3 三大长假的负荷特点

7.2 基于正常日倍比法的三大长假的预测模型

7.2.1 春节长假的负荷预测

7.2.2 五一、十一长假的负荷预测

7.3 本章小结

第8章 总结与展望

8.1 主要工作总结

8.2 技术展望

读硕期间发表论文

致 谢

参考文献