基于南昌电网的多特征量短期电力负荷预测方法研究

《基于南昌电网的多特征量短期电力负荷预测方法研究》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、Ｔ；＂－－．．Ｖｉ，，＞．Ｖ１＂．．．＇ＶＩ，？？？？．＇＇．：．．．．．羊批走方；＾穿专业橫ｉ学位论文基于南言巧网的多特征實短期电力负荷预测方法硏究＇．！．：．．■－ｔｅｒｍＥＲｅｓｅａｒｃｈｏｎＳｈｏｒｔｌｅｃｔｒｉｃＬｏａｄＦｏｒｅｃａｓｔｉｎｗｉ化ｇ■．Ｍｕ－ｃｈａｒａｃｌｔｉ化ｒｉｓｔｉｃＰａｒａｍｅｔｅｒｓ技ａｓｅｄｏｎＮａｎｃｈａ泣ｇＰｏｗｅｒＧｒｉｄ．．：资■Ｈ■ＨＰ．细Ｐ２０１５年６月－Ｊ：ｉ乱．１

2、１１１１—１１１＾：国内图书分类号：TM715学校代码：10079国际图书分类号：621.3密级：公开专业硕士学位论文基于南昌电网的多特征量短期电力负荷预测方法研究硕士研究生：芦钏导师：谢红玲企业导师：赵慧高工申请学位：工程硕士专业领域：电气工程培养方式：在职所在学院：电气与电子工程学院答辩日期：2015年6月授予学位单位：华北电力大学ClassifiedIndex:TM715U.D.C:621.3ThesisfortheMasterDegreeResearchonShort-termElectricLoadForecastingwithMulti-characteristicParam

3、etersBasedonNanchangPowerGridCandidate：LuchuanSupervisor：XiehonglingSchool：SchoolofElectricalandElectronicEngineeringDateofDefence：June,2015Degree-Conferring-Institution：NorthChinaElectricPowerUniversity华北电力大学硕±学位论文原创性声明本人郑重声明：此处所提交的硕±学位论文《基于南昌电网的多特征量短期电力负荷预测方法研究》，是本人在导师指导下，在华北电力大学攻读硕±学位期间独立进

4、行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均己在文中明确方式注明。本声明的法律结果将完全由本人承担。作者签名：日期：２如年《月ｙ日华北电力大学硕±学位论义使用授权书《基于南昌电网的多特征量短期电力负荷预测方法研究》系本人在华北电力大学攻读硕±学位期间在导师指导下完成的硕±学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得［＾＾其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和

5、电子版本，同意学校将学位论文的全部或部分内容编入有关数据库进行检索，允许论文被査阅和借閒，学校可Ｊｌ为存在馆际合作关系的兄弟髙校用户提供文献ｔ＾。本人授权华北电力大学、传递服务和交换服务，可采用影印缩印或扫描等复制手段保存、可公布论支的全部或部分内容。＂＂本学位论文属于（请在上相应方框内打Ｖ）：保密□，在年解密后适用本授权书不保密／田屋：；作者签名日期年月日／：；＞导师签名曰期＾月曰如／／６《华北电力大学硕士学位论文摘要电力负荷预测是电力系统调度、规划等部门的重要基础性工作，有助于电力系统安全、稳定运行，而且关系到电力企业的经济效益。随着我国电力体制

6、改革的不断深入，对电力负荷预测技术的研究越来越重要。合理制订发电调配计划，提高电网运行的安全性和经济性，改善电能质量，都离不开准确的负荷预测。在短期负荷预测中，正确认识和分析影响负荷因素对负荷的影响是短期负荷预测的关键问题。为此，本文分析了南昌地区负荷的特性，考虑气象因素、时间因素和历史负荷数据因素作为影响南昌地区短期负荷的多特征量。首先介绍了人工神经网络算法在负荷预测工作中的应用，再讲述了BP神经网络和在此基础上增加承接层后得到的Elman神经网络的结构及建立方法；然后介绍了标准粒子群智能算法，并对其做了改进；最后将改进后的粒子群算法与Elman算法有机结合，建立了基于改进粒子群算法优化的

7、Elman神经网络负荷预测模型IPSO-Elman，以此达到提高电力负荷预测结果精确性的目的。文中选取影响短期负荷的多特征量作为神经网络算法输入样本数据的一部分，并对其进行量化处理；把与预测日相关性较大的历史负荷数据作为输入样本数据的另一部分。利用神经网络算法做负荷预测的流程是：先对输入样本数据进行预处理操作，得到无异常点的数据集；然后利用这些数据分别训练BP、Elman和IPSO-Elman神经网络；最后使