《电力系统短期负荷的方法及研究【开题报告】》由会员分享，可在线阅读，更多相关《电力系统短期负荷的方法及研究【开题报告】（5页珍藏版）》请在金锄头文库上搜索。
1、毕业设计开题报告电气工程及自动化电力系统短期负荷的方法及研究一、选题的背景与意义1 、历史背景众所周知，电力系统的作用就是为各类用户提供可靠且合乎质量要求的电能，以随时满足各类负荷的需求。而电力系统负荷预测是电力生产部门的重要工作之一，通过准确的负荷预测，可以确定燃料的供应计划，经济合理地安排机组的启停，减少旋转备用容量，合理安排检修计划，减低发电成本，提高经济效益以及对运行中的电厂出力要求提出报告，使对发电机组出力变化事先得以估计。电力系统负荷预测理论就是因此而发展起来的，尤其在形成电力交易市场的过程中，负荷预测的研究更具有极其重要的意义。 电力系统负荷预测按预测时间可以分为长期，中期，短期
2、和超短期。短期电力负荷预测主要是指预报未来几小时、一天至几天的电力负荷并做出估计，目的是给各个电厂安排日，周发电计划，是电力系统最为关键的一类负荷预测。短期负荷预测作用的大小主要取决于预测精度，精度的准确与否将直接影响调度的结果。从而对电力系统的安全稳定运行和经济性带来重要影响。 而在现代工业水平的不断提高，城市化快速发展以及当前市场化运营的条件下，由于电力交易和更加频繁和经营主体的区别，会出现各种不确定的因素，同时负荷对于电价的敏感度也随着市场的完善而逐渐增强，这也给负荷预测带来新的难度。故准确的预测对于提高电力经营主体的运行效益有直接的作用，另一方面突出短期负荷预测的重要性。2、 研究现状
3、及发展趋势短期电力负荷预测的研究已有较长的历史，它是随着电力系统中运行系统的逐步发展起来的。随着数学理论和人工智能技术的相继引入，人们提出各种各样的预测方法。这些方法各有千秋，很难说哪一种方法绝对优越于其他方法。对短期负荷预测，需充分研究电网负荷变化规律，分析负荷变化的相关因子，特别是天气因素，日类型等和短期负荷变化的关系。对负荷预测的研究，主要出发点大多是以更为先进的理论提高预测的准确性，为电力系统运行的经济性和安全性提供有力的保证。目前负荷预测领域的研究主要关注于预测方法上的改进和提高。在电力系统短期负荷预测方法综述1中的各种方法的论述，从我对衢州地区的电网负荷历史数据中得知，其主要的影响
4、因素是天气的变化和日类型的负荷变化。故可以利用人工神经网络进行负荷预测是相对于其它方法中较出色的。因为他的优点是对大量的非结构性，非规律性具有自适应功能。其中BP神经网络具有较强的非线性拟合能力，尤其对预测天气,温度等因素处理尤为方便。 短期负荷预测方法总体可以分为两类：传统预测方法和现代预测方法。两类方法中的各种预测方法均有一定的适用场合，各自含有不可克服的缺陷，又各有优势，没有哪一种方法预测精度明显高于其它方法或适用于各种负荷预测模型。在实际运算预测中，应结合所辖电网的实际负荷情况和特点，建立适合本地电网的负荷预测模型，考虑各种因素的影响，从而提高负荷预测的准备性。 短期负荷预测技术在算法
5、理论研究上虽然取得了很大的成就，但是由于种种原因在实际应用中，短期负荷预测技术仍然存在很多问题，理论和实践有待进一步的发展和提高二、研究的基本内容与拟解决的主要问题：1. 研究的基本内容1）完成对衢州地区历史数据的分析，总结出其中的影响因素.2）了解短期负荷预测的主要方法，主要要学会并会运用BP神经网络的方法.3）通过BP神经网络建立相应的日负荷预测模型.4）通过MATLAB对预测模型的编程，仿真2.拟解决的主要问题1）神经网络结构的选取2）输入样本选择3）电力系统负荷历史数据的预处理方法4）应用于电力系统负荷预测的人工神经网络的学习速度及预测精度还需要进一步的提高。5）进一步利用其它的先进方
6、法。总之，把人工神经网络应用于电力系统负荷预测中，还是一个十分崭新的研究课题，很多学者在这方面做了大量的工作。本课题正是从这里出发，提出各种方法，对神经网络应用于负荷预测进行了研究，并从理论上证实本课题中各种方法的先进性和实用性，从而使人工神经网络更好的应用到电力系统负荷预测中，为实际提供良好的服务。三、研究的方法与技术路线：1 研究方法。电力系统的短期负荷主要的因素是各种各样。需针对各个地方的不同环境，不同经济条件等来通过判断用何种预测方法建立数学模型来预测当地电力系统负荷预测。 针对衢州地区的特点，衢州地区电网为浙西山区地区的供电和居民的用电提高了保证。而主要影响的因素主要是天气变化，温度
7、。这就会造成大量的随机性和非线性。对于这些影响因素，再加上短期负荷是一个周期性的非平稳随机过程，故为了提高负荷预测的准确性和实用性。针对以上各种因素选择人工神经网络的方法最合适。而其中的BP网络（误差逆传播）的主要特点是非线性拟合能力强，尤其对预测天气,温度等因素处理尤为方便，而且学习规则简单，便于计算机实现。本次课题主要应用BP网络算法对衢州电网地区历史数据建立负荷预测的模型，在Matlab环境下采用GUI编程对模型进行训练，仿真。2. 技术路线本次课题主要应用BP网络方法进性预测。BP网络是成功的建立预测模型的主要关键因素。1） BP网络的基本原理BP网络学习是典型的有导师学习，其学习算法
8、的基本思想是最小二乘学习算法，或称LMS算法（least mean squares）。它实质上是一个无约束的优化计算过程，采用梯度搜索技术，沿着误差的负梯度方向不断修正网络中的阈值与权值，直到误差达到最小的数值。网络学习过程是一种误差边向后传播边通过一些学习规则来修正神经元之间的连接权值的过程。BP网络的每一层的连接权值都可以通过学习来调节。图1为三层BP网络结构图。设该网络共有M层，而第M层仅含输出节点，第一层为输入节点，其它为隐含层。为简单起见，认为网络只有一个输出Y。并设有N个样本(Xk，Yk)(k=1，2，N)，对某一输入Xk，网络输出为Yk第L层的神经元个数为Nl(l=1，2，M)，
9、除输入层以外，各神经元的特性为Signoid型，第L层第i个神经元的输出变量用Oik表示，由第L层的第i个神经元到第L+1层的第i个神经元的权系数用Wij表示,第L层第i个神经元的输出变量用础net(ik) 表示代价函数使用平方误差函数：2 BP网络的缺点及改进 在运用算法时应注意BP网络自身所存在的缺点，例如它的迭代算法收敛慢，梯度下降法容易使它陷入局部极小点，有可能使求解问题时得不到最优解。在课题的进行中，需对相应的改进措施。改变迭代算法的收敛慢可采用改进激发函数或者批处理方法等。在建立预测模型的时候，需对BP网络的模型采用适合的改进措施。 四、研究的总体安排与进度：2010.11-201
10、0.12 完成毕业设计论文的外文翻译，文献综述，开题。2011.1-2010.2 熟悉MATLAB软件的应用和了解神经网络在电力系统负 荷预测中相关应用.2011.2-2011.3 针对衢州地区的电网的负荷因素进行分析，通过BP网络 建立预测模型。2011.3-2010.4 完善毕业设计的具体内容，完成毕业论文。2011.4-2010.5 准备答辩五、主要参考文献：1 张吉刚，梁娜.提高预测精度的BP-Elman网络组合J.咸宁学院学报，2006年12 月，26（6）.2 马莹莹.电力系统短期负荷预测方法综述J.科技论坛，山东 济南，山东省建设 高压容器有限公司.3 赵宇红，苏光泽，盛以发，匡
11、少滨. BP神经网络在电力系统短期负荷预测中的应用J.南华大学学报，2005年3月，19（3）. 4 周林，吕厚军.人工神经网络应用于电力系统短期负荷预测的研究J.四川电力技 术,2008年12月,31(6).5 张慧斌，王黎冰.基于RBF神经网络的电力系统短期负荷预测J.忻州师范学院 学报，2009年10月，25(5).6 李扬，李晓明，黄玲，陈岭，舒欣.基于人工神经网络和模糊集的电力系统短期负 荷预测方法J.武汉大学电气工程学院，2007年，20.7 于菲菲.塔北电网负荷预测方法的研究及应用D.大庆：大庆石油学院，2009年.8 张宝平.基于遗传BP神经网络的电力系统短期负荷预测D.西安：
12、西安理工大学， 2003年10月.9 王贞珍.基于神经网络的沈阳地区短期负荷预测D.上海：上海交通大学.10邵莹.基于神经网络的电力系统短期负荷预测研究D.哈尔滨：哈尔滨理工大学， 2005年3月 11 黄伟.短期电力负荷组合预测模型的研究D.大连：大连理工大学，2009年.12 邓培敏，陈明华，佘恬.Elman网络在短期负荷中的应用J.企业科技与发展， 2009年，(4). 13 Park DC,EL-SharKawi MA,Marks j etal.Electric Load Forecasting Using a Neural NetworkJ.IEEE Trans on Power systems.1991,6(2):442449.14 T.M.PENG. Advancement of The Application Neural Network for short Term Load ForecastingJ. IEEE Transaction on Power S ystems.1992,7(1):250257
