眉山电网负荷预测和分析系统的设计与实现.pdf

《眉山电网负荷预测和分析系统的设计与实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目眉山电网负荷预测和分析系统的设计与实现专业学位类别工程硕士学号201092070374作者姓名吕毅指导教师赵辉副教授万方数据分类号密级注1UDC学位论文眉山电网负荷预测和分析系统的设计与实现（题名和副题名）吕毅（作者姓名）指导教师赵辉副教授电子科技大学成都王建强高工四川省电力公司眉山公司眉山（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称软件工程提交论文日期2012.09论文答辩日期2012.11学位授予单位和日期电子科技大学2012年12月27日答辩委员会主席评阅人注1：

2、注明《国际十进分类法UDC》的类号。万方数据THEDESIGNANDIMPLEMENTATIONOFELECTRICLOADFORECASTINGANDANALYZINGSYSTEMFORMEISHANPOWERGRIDAThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SoftwareEngineeringAuthor:LvYiAdvisor:AssociateProfessorZhaoHuiSchool:Sc

3、hoolofAutomation万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技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论文中作了明确的说明并表示谢意。作者签名：日期：年月日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁

4、盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要电力系统对未来预计要发生的负荷进行预测是非常有必要的，系统内可用发电容量，在正常运行条件下，应该在任何时候都能满足系统内负荷的要求。负荷预测可用来确定最经济的满足安全要求，运行约束，以及自然的，环境的和设备限制的运行方案，只有用实时的负荷预测信息来实现发电容量与输电方式

5、的合理安排才能实现电力系统的安全和经济运行。负荷预测不仅是电力系统增加容量规划所必不可少的，同时，也是筹措建设资金和正确购置设备所必须要考虑的信息。对于电力系统各个部门来说，负荷预测准确性是至关重要的，因为这决定了电力系统中大部分设备的运行时间。电力负荷预测的准确性和实时性对电力系统安全经济运行和国民经济发展都有重大意义。电力负荷预测的水平己成为一个电力企业管理现代化的显著标志之一。本论文涉及的主要工作如下：1）概述了电力系统负荷的特点以及短期电力负荷预测研究现状及存在问题，对电力系统的短期负荷预测的各种

6、传统方法及现代方法进行了综述。在介绍了电力系统负荷构成特点和按行业分类之后，给出了对于不同类型的历史坏数据的不同处理方法，以及负荷预测时需要的一些数据预处理工作。然后列出了本文中预测误差分析的一些指标。2）详细的介绍了小波变化的发展历史，连续小波变换和离散小波变换。说明了小波多分辨率分析的基本概念和基本方法，并分析了小波变换能用到电力负荷预测中的理由。阐述了电力负荷预测中的时间序列模型，最后将小波分解和时间序列模型结合来预测电力负荷。最后通过仿真来验证，仿真结果和BP神经网络及时间序列模型做了对比。3）详

7、细的介绍了人工神经网络的发展以及本文中负荷预测所使用的BP神经网络，给出了BP神经网络隐含层节点数以及一些其他网络参数的选取和设定的方法和准则。然后通过实际的仿真分析来验证BP神经网络来预测电力负荷的效果。最后把小波去噪应用到BP神经网络中，仿真结果验证了小波去噪确实能提高预测的精度。4）设计和开发了眉山电网负荷预测和分析系统。首先对预测系统进行了数据需求分析和功能需求分析。详细介绍了眉山电网负荷预测和分析系统的系统设计。I万方数据电子科技大学硕士学位论文阐述了该系统的设计要求后，设计了系统的体系结构，总

8、体结构和网络体系结构。在系统功能设计的时候满足用户所需的全部功能，包括预测分析，查询统计等。在数据库设计方面选择Oracle11g作为数据库服务平台，并且解决了系统的接口问题。然后说明了系统开发环境和运行所需要的环境，在系统软件设计完成之后，介绍了系统的主界面，查询界面，误差对比界面和预测波形对比界面。最后在系统测试的时候，分析比较了多种模型的预测结果，并且预测的结果能够满足用户精度的要求。关键词：短期负荷预测，BP神经网络，