电力系统短期负荷预测.docVIP

报名序号：1430 论文题目：电力系统短期负荷预测 姓 名 班级 有效联系电话 参赛队员1 周 健 1402 参赛队员2 张 帆 1408 参赛队员3 吴 莹 1405 指导教师：王军华 参赛学校：武汉大学 证书邮寄地址、邮编、收件人：430072 湖北省武汉市武昌区 东湖南路 8 号武汉大学电气工程学院办公室饶凌平（收）  报名序号：1430 论文题目：电力系统短期负荷预测 阅卷专家1 阅卷专家2 阅卷专家3 论文等级 电力系统短期负荷预测 【摘 要】 关键词：负荷预测 大数据 spss 回归分析法 神经网络 1．概述 1.1问题背景及问题重述 城市日常生活和发展离不开用电。 对城市中的地区用电情况数据的统计、处理、建模，可以未来的用电做出预先估计和推测，以此结果对电力系统规划，以便于实时控制发电量和输电量，避免不必要的电力损耗和浪费，对机组组合、经济调度、安全校核等也具有重要意义。所以,为了更好地制定电网经营管理指导方针和发用电生产计划,使电能得到充分合理的利用,有必要对电网负荷特性进行分析。 电力预测的影响因素众多，在预测过程中各个方面都需要考虑到。现代电力系统中，构成电力负荷的用电器种类繁多，空调等受气象条件影响的负荷占比持续增高，本题就需要考虑气象因素如温度、湿度、降雨量等对电力系统负荷的影响，进一步改善电力负荷预测的精度。 1.2问题重述 根据题目的要求，可将问题归纳如下： 问题一：处理两个地区从2014年1月1日-2014年12月31日的负荷数据，统计各地区全年的日最高负荷、日最低负荷、日峰谷差、日负荷率指标的分布情况；绘制两地区 2014 年全年的负荷持续曲线；分析两地区负荷变化的主要差异；初步预判哪个地区的负荷可以获得更准确的预测结果。 问题二：根据 2012 年 1 月 1 日至 2014 年 12 月 31 日的数据，分别对日最高负荷、日最低负荷、日平均负荷与各气象因素的关系进行回归分析，分析回归误差；说明优先推荐哪个（或哪几个）气象因素来提高负荷预测精度。 问题三：.请根据已知负荷数据，构建预测方法，对两个地区 2015 年 1月 11 日至 17 日共 7 天的电力负荷进行预测（间隔 15min）； 在不知道实际负荷数据的条件下，对预测结果的准确度进行推断。 问题四：已知 2015 年 1 月 11 日至 17 日的气象因素数据，构建计及气象因素的负荷预测方法，对两个地区 2015 年 1 月 11 日至 17 日共 7 天的电力负荷再次进行预测（间隔 15min）；与原有的预测结果相比，分析计及气象因素影响的负荷预测结果精度是否得到改善。 问题五：综合上述计算结果，评价两地区负荷规律性的优劣；并用证据佐证对两地区负荷整体规律性优劣的判断。 2.模型假设 3．符号说明 符号 含义 日负荷率 日最小负荷率 映射 输入向量 输出向量 前一层输入向量 第 偏置参数 非线性激活函数 4.问题一的求解 4.1问题分析 由题意可知，本问为的数据处理与统计相关问题，考验的是对大量数据的处理问题。首先，先需要对一些概念进行明确。 日最高负荷、日最低负荷指一天内记录的最大（最小）负荷值（本题记录时间间隔为15分钟）。日峰谷差是电网负荷在24小时内最高值和最低值之间的差，一般在夏季这个数值最大。日负荷率指标指一天内的平均负荷与日最大负荷的比值。年负荷持续曲线指根据一年8760小时的各个负荷大小的累计持续时间排列出来的曲线称为持续负荷曲线 调峰填谷又叫削峰填谷，是指电网运行时尽量控制负荷峰值和负荷谷值之间的差。“电网负荷曲线越接近直线越好，但这一般是不可能的。 4.2问题求解 我们通过对已知的数据，用MATLAB 对数据进行处理，得出日最高负荷及其对应的时刻，通过统计做出日最高负荷和日最低负荷的分布曲线如图4-1、4-2。 图4-1 图4-2 4.3结果分析 5.问题二的求解 6.问题三的求解 6.1问题分析 第三问要求我们用已有的大量历史数据对未来七天的电力负荷进行预测，对已知历史数据充足的短期预测，本题采用spss软件中的创建模型功能，其中有专家建模器、指数平滑法和ARIMA三种方法可以求解。 6.2问题求解 使用spss中的创建模型中的专家建模器，将历史数据中同一时刻的所有数据导入作为因变量，将置信区间设置为95%，对未来七天该时刻的用电负荷进行预测和拟合。以地区一的T0000时刻为例： 得出T0000时刻负荷量的模型符合 ARIMA(0,1,9)。 Model Description Model Type Model ID T