多元线性回归模型在电力负荷预测中的应用.doc

《多元线性回归模型在电力负荷预测中的应用.doc》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、....多元线性回归模型在电力负荷预测中的应用学院：电气工程学院专业：电力系统姓名：毛艳丽学号：20111102137指导老师：荣腾中成绩：大学电气工程学院2012年5月20日.下载可编辑.....多元线性回归模型在电力负荷预测中的应用摘要：电力负荷预测是电力系统规划和运行的重要依据，是电力系统调度的重要组成部分，科学、准确地电力需求预测对电力工业的健康发展，乃至对整个国民经济的发展均有着十分重要的意义。本文介绍了多元线性回归模型的原理，针对我国1994年至2009年人口、GDP和全社会用电量的历史数据，建立多元线性回归数学模型进行中、长期电力负荷预测，多元线性回归模型通过变量GDP和人口

2、实现对全社会用电量的电力负荷定量预测。结果表明该模型具有有效性，有良好的应用前景，为电力负荷预测的滚动修正，实现电力负荷控制和预测提供了科学依据。关键词：负荷预测；多元线性；回归模型1引言1.1电力负荷预测的重要作用电力负荷预测是供电部门的重要工作之一，准确的负荷预测可以经济合理地安排电网部发电机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保证社会的正常生产和生活，有效降低发电成本，提高经济效益和社会效益[1]。负荷预测的结果还有利于决定未来新的发电机组的安装，装机容量的大小、地点和时间，电网的增容和改建，电网的建设和发展等。因此，电力负荷预测工作的

3、水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一，尤其在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为我们面临的重要而艰巨的任务。.下载可编辑.....1.1电力负荷预测电力负荷预测是指在满足一定精度的条件下，在充分考虑电力负荷特性、经济、社会、气象等的历史数据的基础上，探索电力负荷历史数据的变化规律，寻求电力负荷与各种相关因素之间的在联系，从而预测出电力负荷在未来时期的变化趋势及状态[2]。由于电力负荷具有周期性（年、月、天）、趋势性和随机性（受温度、气候、产业结构、政治等因素的影响）等特征，故电力负荷预测可分为超短期（15分钟或1个小时）、短期

4、（1年以的天或月）和中、长期（5~10年）负荷预测。电力负荷预测的方法包括经验预测法，如专家预测法、类比法和主观概率预测法等；经典预测技术，如单耗法、密度法、比例增长法和弹性系数法等[1]。随着技术的飞速发展，专家系统、神经网络、灰色理论和回归分析等几种现代技术也受到日益重视。电力系统中长期负荷的变化受到很多因素的制约，这种制约关系难以定性描述，针对负荷影响因素的复杂性和不确定性[3]，即多变量和随机性特征，本文将定量预测方法中多元线性回归分析应用于中、长期负荷预测。在多元线性回归分析中，随机变量是自变量，非随机变量是因变量。因变量一般是电力系统负荷，自变量是影响电力系统负荷的各种因素，如

5、经济、人口、气候等，由给定的多组自变量和因变量历史数据研究二者之间的关系，形成回归方程。回归分析方法计算原理和结构形式简单、预测速度快、外推性能好，对于历史上未出现的情况有较好的预测性[4]，为电力负荷预测提供了科学依据。2数据说明由于电力系统负荷的周期性、趋势性和随机性，导致电力负荷受到很多方面因素的制约，这里仅考虑GDP和人口数量对电力负荷的影响。通过对全社会用电量、GDP和人口的历史数据的研究，进行电力系统中、长期负荷预测。其中全社会用电量是指第一、二、三产业等所有用电领域的电能消耗的总量，包括工业用电、农业用电、商业用电、居民用电、公共设施用电以及其他用电等，主要用于经济统计。本文

6、中的全社会用电量是指全中国某一年的用电量。GDP，是GrossDomesticProduct的简称，又称国生产总值，是指一定时间（一个季度或一年），一个国家或地区的经济中所生产出的全部最终商品和提供劳务的市场价值的总和。本文中所说的GDP是指全中国某一年的市场价值总和。人口通常指一个地理区域的人的数目，本文中的人口是某一年全中国的人口。原始数据来源于中国统计年鉴2011[5]，见表2.1。.下载可编辑.....表2.1原始数据年份全社会用电量（亿千瓦时）GDP（亿元）人口（万人）19949260.448197.9119850199510023.460793.7121121199610764

7、.371176.6122389199711273.678973.0123626199811590.484402.3124761199912305.289677.1125786200013472.799214.6126743200114632.6109655.2127627200216330.7120332.7128453200319032.2135822.8129227200421972.3159878.31299982