电力系统短期负荷预测方法及研究【文献综述】

《电力系统短期负荷预测方法及研究【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、毕业设计文献综述电气工程与自动化电力系统短期负荷预测方法及研究一、负荷预测的原理电力系统负荷预测是根据现在和过去时刻的用电负荷情况，估计未来时刻用电负荷的大小。因此它的研究对象是不确定的事件，随机事件。而电力负荷预测要预知负荷的发展趋势和可能达到的状况，下面介绍一些原理，用于指导负荷预测工作：1）可知性原理：预测对象的发展规律，其未来的发展趋势和状况是可以为人民所知道的，这是人们进行预测活动的基本依据。2）可能性原理因事物的发展变化是在内因和外因共同作用下进行的，内因的变化和外因作用大小不同，因此事物的发展变化会有很多可能。3）连续

2、性原理预测对象的发展是一个连续化的过程，其未来的发展是这个过程的连续。电力系统负荷的发展变化同样存在着惯性，这种惯性正是进行负荷预测的主要依据4）相似性原理在很多情况下，作为预测对象的一个事物，其现在的发展过程和状况可能与过去一定阶段的发展过程和状况相似，因此可根据已知的发展过程及状况来预测所预测对象的未来的发展过程及状况。5)系统性原理预测对象的未来发展是系统整体的动态发展，而整个系统的动态发展与它的各个组成部分和影响因素之间的相互作用相互影响密切相关。只有系统整体最佳预测，才是最高质量的预测，才能为决策者提供最佳预测方案。二、负

3、荷预测的研究背景众所周知，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系统调度，用电，计划，规划等管理部门的主要工作之一。提供负荷预测技术水平，有利于用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤，节油和见地发电成本，有利于制定合理的电源建设规划，有利于提供电力系统的经济效益和社会效益。因此，负荷预测已成为事先电力系统管理现代化的主要内容之一。电力系统负荷预测按预测时间可以分为长期，中期，短期和超短期。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

4、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。故对短期负荷预测

5、有着如下的意义：1）帮助确定燃料供应计划；2）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；3）可以经济合理地安排本网机组的启停，降低旋转储备容量4）可以在保证正常用电的情况下合理安排机组检修计划。三、负荷预测的研究现状及发展趋势1.研究现状负荷预测是实现电力系统优化运行的基础。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

6、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。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。目前尚无一个固定方法和模型可以适用于一切短期负荷预测，故在实际运算预测中，应结合所辖

7、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。以下介绍几种负荷预测方法。传统的预测方法1）回归分析法它是根据历史数据的变化规律和影响负荷变化的因素，寻找自变量和因变量之间的相关关系及其回归方程式，确定模型参数，据此推断将来的时刻的负荷值。其优点是计算原理和结构形式简单，预测速度快，外推性能好，对于历史上没有出现的情况有较好的预测；存在的不足是对于历史数据要求较高，采用线性方法描述比较复杂的问题，结构形式过于简单，精度较低。1）时间序列法它是目前电力系统短期负荷预测中较为成熟的

8、算法。根据负荷的历史数据，建立描述电力系统随时间变化的数学模型，在该模型的基础上确立负荷预测的基础表达式并对未来负荷进行预测。其优点是所需数据少，工作量小，计算速度快，反映了负荷近期变化的连续性。不足之处是建模过程较为复杂，需要较高的