電力系統(tǒng)短期負荷預測方法及研究【開題報告+文獻綜述+畢業(yè)設計】

1、畢業(yè)設計開題報告畢業(yè)設計開題報告電氣過程及自動化電氣過程及自動化電力系統(tǒng)短期負荷的方法及研究電力系統(tǒng)短期負荷的方法及研究一、選題的背景與意義1、歷史背景眾所周知，電力系統(tǒng)的作用就是為各類用戶提供可靠且合乎質(zhì)量要求的電能，以隨時滿足各類負荷的需求。而電力系統(tǒng)負荷預測是電力生產(chǎn)部門的重要工作之一，通過準確的負荷預測，可以確定燃料的供應計劃，經(jīng)濟合理地安排機組的啟停，減少旋轉(zhuǎn)備用容量，合理安排檢修計劃，減低發(fā)電成本，提高經(jīng)濟效益以及對運行中的

2、電廠出力要求提出報告，使對發(fā)電機組出力變化事先得以估計。電力系統(tǒng)負荷預測理論就是因此而發(fā)展起來的，尤其在形成電力交易市場的過程中，負荷預測的研究更具有極其重要的意義。電力系統(tǒng)負荷預測按預測時間可以分為長期，中期，短期和超短期。短期電力負荷預測主要是指預報未來幾小時、一天至幾天的電力負荷并做出估計，目的是給各個電廠安排日，周發(fā)電計劃，是電力系統(tǒng)最為關(guān)鍵的一類負荷預測。短期負荷預測作用的大小主要取決于預測精度，精度的準確與否將直接影響調(diào)度的

3、結(jié)果。從而對電力系統(tǒng)的安全穩(wěn)定運行和經(jīng)濟性帶來重要影響。而在現(xiàn)代工業(yè)水平的不斷提高，城市化快速發(fā)展以及當前市場化運營的條件下，由于電力交易和更加頻繁和經(jīng)營主體的區(qū)別，會出現(xiàn)各種不確定的因素，同時負荷對于電價的敏感度也隨著市場的完善而逐漸增強，這也給負荷預測帶來新的難度。故準確的預測對于提高電力經(jīng)營主體的運行效益有直接的作用，另一方面突出短期負荷預測的重要性。2、研究現(xiàn)狀及發(fā)展趨勢短期電力負荷預測的研究已有較長的歷史，它是隨著電力系統(tǒng)中運

4、行系統(tǒng)的逐步發(fā)展起來的。隨著數(shù)學理論和人工智能技術(shù)的相繼引入，人們提出各種各樣的預測方法。這些方法各有千秋，很難說哪一種方法絕對優(yōu)越于其他方法。對短期負荷預測，需充分研究電網(wǎng)負荷變化規(guī)律，分析負荷變化的相關(guān)因子，特別是天氣因素，日類型等和短期負荷變化的關(guān)系。對負荷預測的研究，主要出發(fā)點大多是以更為先進的理論提高預測的準確性，為電力系統(tǒng)運行的經(jīng)濟性和安全性提供有力的保證。目前負荷預測領域的研究主要關(guān)注于預測方法上的改進和提高。在電力系統(tǒng)短

5、期負荷預測方法綜述[1]中的各種方法的論述，從我對衢州地區(qū)的電網(wǎng)負荷歷史數(shù)據(jù)中得知，其主要的影響因素是天氣的變化和日類型的負荷變化。故可以利用人工神經(jīng)網(wǎng)絡進行負荷預測是相對于其它方法中較出色的。因為他的優(yōu)點是對大量的非結(jié)構(gòu)性，非規(guī)律性具有自適應功能。其中BP神經(jīng)網(wǎng)絡具有較強的非線性擬合能力，尤其對預測天氣溫度等因素處理尤為方便。短期負荷預測方法總體可以分為兩類：傳統(tǒng)預測方法和現(xiàn)代預測方法。兩類方法中的各種預測方法均有一定的適用場合，各自

6、含有不可克服的缺陷，又各有優(yōu)勢，沒有哪一種方法預測精度明顯高于其它方法或適用于各種負荷預測模型。在實際運算預測中，應結(jié)合所轄電網(wǎng)的實際負荷情況和特點，建立適合本地電網(wǎng)的負荷預測模型，考慮各種因素的影響，從而提高負荷預測的準備性。短期負荷預測技術(shù)在算法理論研究上雖然取得了很大的成就，但是由于種種原因設該網(wǎng)絡共有M層，而第M層僅含輸出節(jié)點，第一層為輸入節(jié)點，其它為隱含層。為簡單起見，認為網(wǎng)絡只有一個輸出Y。并設有N個樣本(Xk，Yk)(k=

7、1，2，，N)，對某一輸入Xk，網(wǎng)絡輸出為Yk第L層的神經(jīng)元個數(shù)為Nl(l=1，2，，M)，除輸入層以外，各神經(jīng)元的特性為Signoid型，第L層第i個神經(jīng)元的輸出變量用Oik表示，由第L層的第i個神經(jīng)元到第L1層的第i個神經(jīng)元的權(quán)系數(shù)用Wij表示第L層第i個神經(jīng)元的輸出變量用礎(ik)表示代價函數(shù)使用平方誤差函數(shù)：2BP網(wǎng)絡的缺點及改進在運用算法時應注意BP網(wǎng)絡自身所存在的缺點，例如它的迭代算法收斂慢，梯度下降法容易使它陷入局部極小點

8、，有可能使求解問題時得不到最優(yōu)解。在課題的進行中，需對相應的改進措施。改變迭代算法的收斂慢可采用改進激發(fā)函數(shù)或者批處理方法等。在建立預測模型的時候，需對BP網(wǎng)絡的模型采用適合的改進措施。四、研究的總體安排與進度：2010.112010.12完成畢業(yè)設計論文的外文翻譯，文獻綜述，開題。2011.12010.2熟悉MATLAB軟件的應用和了解神經(jīng)網(wǎng)絡在電力系統(tǒng)負荷預測中相關(guān)應用.2011.22011.3針對衢州地區(qū)的電網(wǎng)的負荷因素進行分析，