1 / 39
文档名称:

论文题目:电力负荷预测.doc

格式:doc   页数:39页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

论文题目:电力负荷预测.doc

上传人:钻石文档库 2013/6/30 文件大小:0 KB

下载得到文件列表

论文题目:电力负荷预测.doc

文档介绍

文档介绍:编号:
中国农业大学现代远程教育
毕业论文(设计)
论文题目:电力负荷预测
学生
指导教师
专业
层次
批次
学号
学****中心
工作单位
2012年 05 月
中国农业大学网络教育学院制
独创性声明
本人声明所呈交的毕业论文(设计)是我个人进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文(设计)中不包含其他人已经发表或撰写过的研究成果,也不包含为获得中国农业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在毕业论文(设计)中作了明确的说明并表示了谢意。
学生签名: 时间:2012 年 5 月 28 日
关于论文(设计)使用授权的说明
本人完全了解《中国农业大学网络教育学院本、专科毕业论文(设计)工作条例(暂行规定)》对:“成绩为优秀毕业论文(设计),网络教育学院将有权选取部分论文(设计)全文汇编成集或者在网上公开发布。如因著作权发生纠纷,由学生本人负责”完全认可,并同意中国农业大学网络教育学院可以以不同方式在不同媒体上发表、传播毕业论文(设计)的全部或部分内容。中国农业大学网络教育学院有权保留送交论文(设计)的复印件和磁盘,允许论文(设计)被查阅和借阅,可以采用影印、缩印或扫描等复制手段保存、汇编论文(设计)。
[保密的毕业论文(设计)在解密后应遵守此协议]
学生签名: 时间:2012 年 5 月 28 日
密级:(请注明密级及保密期限)
目录
论文封面……………………………………………………………………….1
摘要…………………………………………………………………………… 1
关键词…………………………………………………………………………1
目录…………………………………………………………………1
1、电力负荷预测综述……………………………………………3
…………………………………………3
1、2 电力负荷预测的意义……………………………………2
2. 电力负荷分析…………………………………………………4
3、电力负荷预测的内容及程序…………………………………6
、电力负荷预测的内容………………………………………6
、电力负荷预测的程序………………………………………7
4、电力负荷预测模型及基本算法………………………………8
、电力负荷预测模型……………………………………………8
、电力负荷预测基本算法…………………………………… 13
5、电力短期负荷预测研究…………………………………………18
、基于温度准则的外推方法……………………………………18
…………………………………21
6、电力系统短期负荷预测建模及MATLAB实现……………………26
、基于神经网络的预测原理…………………………………… 26
、电力系统短期负荷预测建模及MATLAB实现…………………27
7、结束语………………………………………………………………36
参考文献……………………………………………………………… 36
引言
电力系统短期负荷预测对未来1日至1周的负荷进行预测。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的,现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。随着电力市场的建立和发展,对短期负荷预测提出了更高的要求,短期负荷预测不再仅仅是EMS的关键部分,同时也是制定电力市场交易计划的基础。电力系统负荷预测为这一地区电力规划奠定了一定的基础,同时也为这一地区电力工业布局、能源资源平衡、电力余缺调剂,以及电网资金和人力资源的需求与平衡提供可靠的依据。因此,电力负荷预测是一项十分重要的工作,它对于保证电力工业的健康发展,乃至对于整个国民经济的发展均有着十分重要的意义。
短期负荷预测技术经过几十年的发展,人们提出了许多的预测方法。现有的预测方法大体可以分为2类:经典的数学统计方法以及上世纪90年代兴起的各种人工智能方法。经典的数学统计方法包括线性外推法、多元线性回归法、时间序列法和状态空间法等。人工智能方法包括人工神经网络法、专家系统方法和模糊推理方法、小波分析等。
在对大量历史负荷数据进行统计分析的基础上,根据电力负荷的特点,在考虑天气温度、日类型、实际历史负荷等因素对预测负荷影响的基础上,本文介绍了一种基于BP神经网络的短期负荷预测方法。其中首先根据实际经验将一周的7天分为工作日(星期一到星期五)和休息日(星期六和星期天)等两种类型;然后建立相应的人工神经网络模型用以预测负荷归一化系数;最后通过最小二乘法预测日最大负荷和日最小负荷。