基于组合模型的中长期电力负荷预测
发布时间：2021-03-21 23:20
负荷预测是电力部门的重要工作之一。负荷预测是电力部门规划,生产和运行等工作的重要基础,合理准确的负荷预测能够有效地降低储备容量,提高电网运行的安全稳定性,降低发电成本,保证用电需求,为国民经济发展提供先决条件。因此,为了保证负荷预测的准确性与稳定性,改进与研究出更加有效的预测方法是非常必要的。负荷预测以预测周期的不同,一般可以划分为超短期负荷预测,短期负荷预测与中长期负荷预测,其中,中长期负荷预测通常是以年作为预测单位,是本文论述的重点。本文首先讨论了电力系统中长期负荷预测研究的目的和意义,以及用于负荷预测的各种方法的比较,介绍了负荷预测的概论,基本原理以及负荷预测的误差分析等情况。其次以四川遂宁地区作为研究背景,分别以线性回归法,多项式预测法,灰色预测法等方法对此地区进行电力负荷预测,通过预测结果选择符合该地区的预测模型,然后通过等权平均组合预测法,最小方差法,方差-协方差预测法对其进行组合预测,提高预测精度。目前,我国社会经济快速发展,科技创新日新月异,人民生活水平不断提高,随着产业结构调整和转型升级的不断深入,淘汰落后产业,加快布局高新技术产业、现代服务业、现代农业成为各个地区的...
【文章来源】：西华大学四川省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
一元回归模型预测曲线图
图 3.2 一元线性回归残差分析图Fig. 3.2 residual analysis chart of unary linear regression残差分析如上图所示，明显没有残差过大的数据，，其残差平方合为 28437.61显著水平 sig.=0.00 小于 0.05，因此该回归方程有效。（3）预测结果最终的预测结果如表 3.4 所示。表 3.4 基于时间的一元线性回归拟合预测表年份 变量 实际负荷（万千万时）预测负荷（万千瓦时）相对误差（%）2007 1 63483 57555 9.342008 2 72157 70189 2.732009 3 79854 82823 -3.722010 4 92069 95457 -3.682011 5 106780 108091 -1.232012 6 113572 120725 -6.30
（1）观察遂宁地区 2007 年-2017 年的 GDP 数据，基本为单调递增，因此初步判定其符合一元线性回归模型的适用条件。采用 matlab 软件对其进行拟合，得到电力负荷与 GDP 的拟合回归模型为：y=12908.57+160.12x （3-8）（2）对其模型进行检验，结果如表 3.5 所示：表 3.5 关于 GDP 的一元线性回归模型拟合概述表模型摘要模型 R2R修正的2R1 0.981 0.962 0.959由表 3.5 可以得出，相关系数的值 r=0.981，拟合的线性回归模型确定系数为2r =0.962，调整后值为 0.959，，可以说明由 GDP 为相关系数的一元回归模型拟合优先度高。其预测模型图如图 3.3 所示：
【参考文献】：
期刊论文
[1]结合模糊粗糙集和支持向量机的电力负荷短期预测方法[J]. 赵慧材,陈跃辉,陈瑞先,彭子扬. 中国电力. 2015(02)
[2]基于混沌时间序列及神经网络的大同电网负荷短期预测研究[J]. 刘振宇,冯华,杨仁刚. 中北大学学报(自然科学版). 2014(06)
[3]用电量需求与GDP协调发展预测分析[J]. 罗广雷,胡锡国,赵阳. 当代经济. 2014(11)
[4]基于指数平滑技术在生产预测中的研究[J]. 练金. 中国高新技术企业. 2014(11)
[5]西藏经济发展预测及影响因素分析[J]. 刘红卫,肖彩波. 西藏大学学报(社会科学版). 2013(04)
[6]地区经济与电力需求预测[J]. 谢洋. 贵州电力技术. 2013(11)
[7]云模型优化LSSVR的短期电力负荷预测[J]. 张捍东,张莉,汤敏. 自动化仪表. 2013(11)
[8]基于支持向量回归的电力系统短期负荷预测[J]. 邱存勇,肖建. 计算机仿真. 2013(11)
[9]电力系统负荷预测研究[J]. 王晓旭. 机电信息. 2013(30)
[10]基于等微增率准则的可中断电价设计模型[J]. 刘兰菊. 技术经济与管理研究. 2013(09)
硕士论文
[1]基于组合模型的最大电力负荷预测[D]. 刘玉东.兰州大学 2017
[2]基于数据预处理和人工智能优化的组合预测模型的研究及应用[D]. 王亚宸.兰州大学 2017
[3]电力负荷特性分析及短期负荷预测系统的研发[D]. 于浩祺.湖南大学 2016
[4]组合预测方法在中长期电力负荷预测中的应用[D]. 段柯利.天津大学 2016
[5]基于嵌套组合模型的中长期电力负荷预测研究[D]. 唐祥玲.西华大学 2015
[6]城市区域负荷及其目标网架研究[D]. 罗敏.南昌大学 2013
[7]中长期电力负荷预测的研究与应用[D]. 侯永辉.华北水利水电大学 2013
[8]电力市场下短期电价预测研究[D]. 王勤智.昆明理工大学 2013
[9]基于混沌理论的电力系统短期负荷预测研究[D]. 张永强.沈阳理工大学 2013
[10]眉山电力负荷预测的规划布点管理系统设计[D]. 邹汝杰.电子科技大学 2012
本文编号：3093679
【文章来源】：西华大学四川省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
一元回归模型预测曲线图
图 3.2 一元线性回归残差分析图Fig. 3.2 residual analysis chart of unary linear regression残差分析如上图所示，明显没有残差过大的数据，，其残差平方合为 28437.61显著水平 sig.=0.00 小于 0.05，因此该回归方程有效。（3）预测结果最终的预测结果如表 3.4 所示。表 3.4 基于时间的一元线性回归拟合预测表年份 变量 实际负荷（万千万时）预测负荷（万千瓦时）相对误差（%）2007 1 63483 57555 9.342008 2 72157 70189 2.732009 3 79854 82823 -3.722010 4 92069 95457 -3.682011 5 106780 108091 -1.232012 6 113572 120725 -6.30
（1）观察遂宁地区 2007 年-2017 年的 GDP 数据，基本为单调递增，因此初步判定其符合一元线性回归模型的适用条件。采用 matlab 软件对其进行拟合，得到电力负荷与 GDP 的拟合回归模型为：y=12908.57+160.12x （3-8）（2）对其模型进行检验，结果如表 3.5 所示：表 3.5 关于 GDP 的一元线性回归模型拟合概述表模型摘要模型 R2R修正的2R1 0.981 0.962 0.959由表 3.5 可以得出，相关系数的值 r=0.981，拟合的线性回归模型确定系数为2r =0.962，调整后值为 0.959，，可以说明由 GDP 为相关系数的一元回归模型拟合优先度高。其预测模型图如图 3.3 所示：
【参考文献】：
期刊论文
[1]结合模糊粗糙集和支持向量机的电力负荷短期预测方法[J]. 赵慧材,陈跃辉,陈瑞先,彭子扬. 中国电力. 2015(02)
[2]基于混沌时间序列及神经网络的大同电网负荷短期预测研究[J]. 刘振宇,冯华,杨仁刚. 中北大学学报(自然科学版). 2014(06)
[3]用电量需求与GDP协调发展预测分析[J]. 罗广雷,胡锡国,赵阳. 当代经济. 2014(11)
[4]基于指数平滑技术在生产预测中的研究[J]. 练金. 中国高新技术企业. 2014(11)
[5]西藏经济发展预测及影响因素分析[J]. 刘红卫,肖彩波. 西藏大学学报(社会科学版). 2013(04)
[6]地区经济与电力需求预测[J]. 谢洋. 贵州电力技术. 2013(11)
[7]云模型优化LSSVR的短期电力负荷预测[J]. 张捍东,张莉,汤敏. 自动化仪表. 2013(11)
[8]基于支持向量回归的电力系统短期负荷预测[J]. 邱存勇,肖建. 计算机仿真. 2013(11)
[9]电力系统负荷预测研究[J]. 王晓旭. 机电信息. 2013(30)
[10]基于等微增率准则的可中断电价设计模型[J]. 刘兰菊. 技术经济与管理研究. 2013(09)
硕士论文
[1]基于组合模型的最大电力负荷预测[D]. 刘玉东.兰州大学 2017
[2]基于数据预处理和人工智能优化的组合预测模型的研究及应用[D]. 王亚宸.兰州大学 2017
[3]电力负荷特性分析及短期负荷预测系统的研发[D]. 于浩祺.湖南大学 2016
[4]组合预测方法在中长期电力负荷预测中的应用[D]. 段柯利.天津大学 2016
[5]基于嵌套组合模型的中长期电力负荷预测研究[D]. 唐祥玲.西华大学 2015
[6]城市区域负荷及其目标网架研究[D]. 罗敏.南昌大学 2013
[7]中长期电力负荷预测的研究与应用[D]. 侯永辉.华北水利水电大学 2013
[8]电力市场下短期电价预测研究[D]. 王勤智.昆明理工大学 2013
[9]基于混沌理论的电力系统短期负荷预测研究[D]. 张永强.沈阳理工大学 2013
[10]眉山电力负荷预测的规划布点管理系统设计[D]. 邹汝杰.电子科技大学 2012
本文编号：3093679
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3093679.html
教材专著
