迁安市供电公司短期电力负荷预测研究

发布时间：2017-06-10 17:05

  本文关键词：迁安市供电公司短期电力负荷预测研究，由笔耕文化传播整理发布。

【摘要】：电力系统负荷预测对整个社会有着重要的意义,它是合理安排许多工作的前提,比如电网怎样规划、机组如何查修、生产如何运转,它可以节约资源减少许多成本,并确保电力系统和社会上的许多生产活动经济又安全的运作。电力系统短期电力负荷预测是电力系统的计划、营销、市场交易、调度等部门各项工作的重要参考依据,科学合理的预测对电力系统的稳定运行意义重大。随着电力体制的改革,以及现在社会上对节能环保的要求,给电力系统的安全运作带来更加严格的要求,因而对电力系统中所有用电设备所耗用的功率的预测对整个社会有着更加重要的意义。短期电力负荷预测,它的预测时间范围是在一年以内,对未来的负荷量以月、日、周、小时为单位的电力负荷预测。本文以月为单位对短期电力负荷进行预测。短期电力负荷的预测受很多因素的影响,比如社会总体情况、经济发展状况、人口规模、气候变化等,对具有多样性、复杂性和不确定性的电力负荷预测而言,它的结果不可能达到精准的预测和控制,所以对历史资料中记载的数据进行详细的观测与分析,并根据历史资料和特定的现实状况使用最佳的预测方法,这成为预测未来负荷量最有效的方法。本文对迁安电力负荷预测的现行状况进行详细研究,并对短期电力负荷预测的理论基础进行详细分析,把每一个单一预测法和组合预测法的优缺点进行分析与比较,在此基础上本文使用具有更好特性的组合预测方法做为短期电力负荷预测的基本模型。从县级电力负荷自身所具有的特性、受到的影响因素等方面来考虑,本文选取自回归法、趋势移动平均法、RBF神经网络法三种单一预测法进行组合,对迁安短期电力负荷以月为单位对最大负荷、最小负荷分别进行组合预测。在数据缺失方面采取插值法进行补缺,在权重系数方面以最为常用的等权平均法来进行组合预测。最后,从迁安市电力负荷的特性出发,用自回归法、趋势移动平均法、RBF神经网络法以及三者组合法对迁安市的短期电力负荷进行了预测。对单项预测的结果和组合预测的结果进行比较,可以得知组合预测的误差比单项预测的误差小很多,从而采用组合预测对迁安市的短期电力负荷进行误差较小的预测,在预测精度上取得比较满意的结果。
【关键词】：短期电力负荷预测 自回归 趋势移动平均法 神经网络 组合预测
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题的研究背景和意义10-11
• 1.2 短期电力负荷预测的研究现状11-14
• 1.3 论文结构安排14-16
• 第2章 短期电力负荷预测的理论基础16-34
• 2.1 电力负荷预测的一般理论16-24
• 2.1.1 电力负荷预测的特征16-17
• 2.1.2 电力负荷预测的基本原理17-19
• 2.1.3 电力负荷预测的分类19-20
• 2.1.4 电力负荷预测的基本方法20-24
• 2.2 短期电力负荷预测的基本理论24-30
• 2.2.1 短期电力负荷预测的影响因素24-26
• 2.2.2 短期电力负荷预测的主要步骤26-28
• 2.2.3 短期电力负荷预测的意义28-29
• 2.2.4 短期电力负荷预测的特殊性29-30
• 2.3 县级区域电力负荷预测的特殊性30-32
• 2.3.1 县级区域电力负荷特性分析30-31
• 2.3.2 县级区域电力负荷预测的特点31-32
• 2.3.3 县级区域电力负荷预测的意义32
• 2.4 本章小结32-34
• 第3章 短期电力负荷组合预测模型的构建34-44
• 3.1 组合预测的必要性34
• 3.2 数据的选择和处理34-36
• 3.2.1 数据的选择34-35
• 3.2.2 数据的处理35-36
• 3.3 单一预测方法选择36-39
• 3.3.1 选取原则36-37
• 3.3.2 一元自回归法37
• 3.3.3 趋势移动平均法37-38
• 3.3.4 RBF神经网络法38-39
• 3.4 组合预测模型建立39-41
• 3.4.1 组合预测权重系数的求解40-41
• 3.4.2 组合预测模型的建立41
• 3.5 误差分析41-43
• 3.5.1 误差原因41-42
• 3.5.2 误差计算42-43
• 3.6 本章小结43-44
• 第4章 迁安市短期电力负荷组合预测研究44-54
• 4.1 迁安市电力负荷特性分析44-46
• 4.1.1 迁安市概况44-45
• 4.1.2 迁安电网现状45
• 4.1.3 迁安历史负荷特性分析45-46
• 4.2 数据处理46-47
• 4.2.1 缺失数据处理46-47
• 4.2.2 基础数据的选择47
• 4.3 迁安市短期电力负荷的单一预测47-51
• 4.3.1 一元自回归预测47-49
• 4.3.2 趋势移动平均法时间序列预测49-50
• 4.3.3 RBF神经网络预测50-51
• 4.4 迁安市短期电力负荷组合预测51-53
• 4.4.1 短期电力负荷组合预测误差分析51-52
• 4.4.2 短期电力负荷组合预测结果52
• 4.4.3 单一预测结果和组合预测结果误差对比52-53
• 4.5 本章小结53-54
• 第5章 研究成果和结论54-56
• 参考文献56-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 付桂琴;李运宗;;气象条件对电力负荷的影响分析[J];气象科技;2008年06期

2 陈国基;;关于城市小区供电规划电力负荷的计算[J];建筑电气;2008年02期

3 杨静;郝毅;陈冬梅;江波;;新疆农业区电力负荷与天气的关系[J];气象;2009年01期

4 胡安泰;袁翔;应国德;邵译鸥;;台州夏季电力负荷与气候相关性分析[J];华东电力;2011年03期

5 周江;;南方电网中气象性电力负荷的特性研究——以浙江省金华市为例[J];中国集体经济;2012年28期

6 江晓峰;;电力负荷控制技术及其选用[J];吉林电力技术;1992年04期

7 徐任武;电力负荷监控实用化需解决的几个问题[J];电网技术;1996年08期

8 闻治盛,姜小剑;限电不用拉路　负荷控制到户─-通州市电力负荷无线管理系统通过评审[J];农村电气化;1997年09期

9 叶殿秀;张培群;赵珊珊;夏鑫;柯宗建;王有民;刘秋锋;;北京夏季日最大电力负荷预报模型建立方法探讨[J];气候与环境研究;2013年06期

10 宋若i，

本文编号：439207