电力系统短期负荷的研究.doc

华中科技大学文华学院 毕业设计(论文) 题目：电力系统短期负荷的研究 学 生 姓 名： 学号： 学 部 （系）： 专 业 年 级： 指 导 老 师： 职称或学位： 讲师 2010年 5月25日 目 录 电力系统短期负荷的研究 II 摘 要 II Short-Term Load Forecasting III Abstract III Key words IV 1. 概述 1 1.1目的及意义 1 1.2 国内外负荷预测的发展现状 3 2 电力系统短期负荷预测的流程 9 2.1电力系统负荷的结构及其特点 9 2.2电力系统短期负荷预测 11 3 短期负荷预测模型的建立及程序实现 14 3.1人工神经网络 14 3.2前向型神经网络(BP网)的结构和基本算法 15 3.3短期负荷预测模型的建立和程序实现 18 4 实际算例的运行与分析 26 4.1 历史负荷数据预处理 26 4.2负荷预测的结果与分析 26 5 结论与展望 29 5.1 电力系统短期负荷预测的结论 29 5.2 电力系统短期负荷预测工作的展望 29 参考文献 31 致 谢 34 电力系统短期负荷的研究 摘 要 电力系统短期负荷预测是电力部门的一项重要工作，对其预测方法的研究一直为人们所重视。短期负荷预测的准确与否将直接关系到电力系统的安全运行和经济调度，便于更合理地安排电网设备调度及检修计划；还能提高电力系统运行的稳定性，减少电网的发电成本。随着我国区域性电力市场的逐步建立和完善，短期负荷预测工作将在电力市场运营中占据十分重要的地位。 本文首先分析了电力系统负荷的组成、特点，进一步阐述了当今多种电力负荷预测方法的差异、优缺点，着重阐述了人工神经网络(ANN)进行负荷预测的基本原理，并针对一个实际地区电力负荷的具体情况，提出用人工神经网络建立模型来预测其负荷的变化。其次，该模型将电力负荷的变化考虑成：系统的基本负荷、温度的差异、天气的改变和同期的类型(工作日与节假日)，这些主要因素共同决定的。因此，本文采用改进的三层BP型人工神经网络来建立负荷预测模型，以上述影响负荷的主要因素作为数据样本，进行神经网络的自我训练和学习，并且在不断地训练和学习的过程中引入误差反方向传播算法(即BP算法)来修正神经网络的连接权重，从而达到对负荷预测模型的改良和完善，进一步贴近实际的负荷变化。同时，在负荷预测模块运行结束后，本文还将因电力线路或设备检修损失的负荷量也作为影响因素进行了考虑，从而得出更精确的预测负荷值。 在实际的负荷预测算例结果与分析中，上述的预测思路得到了较好的印证，其预测的精度也较高，完全满足了电力部门运行和经济调度的实际要求，减少了购电成本，提高了电力部门的经济效益和电网调度技术人员的工作效率，保障了电网运行的安全。 关键字: 短期负荷预测 人工神经网络 BP算法 Research For Power System Short-Term Load Forecasting Abstract Power system short—term load forecasting(STLF) is all important task of power utilities，So great attention has always been paid on methods of STLF．Load forecasting is related to operation security and economical dispatching of power system，which is used to arrange the equipments dispatching and repairing．Also it can advance the stability of power system and save generation costs．With the development of area power market in China，STLF will play an important role in the operation of power market. In the first step，this paper analyses the constituents and characteristics of the electrical load，and the difference of several present STLF methods．The basic theory of ANN fo