基于蚁群算法整改神经网络之包头区域中长期电力载重预测.docVIP

　　基于蚁群算法整改神经网络之包头区域中长期电力载重预测 第 1 章 绪 论 1.1选题背景及意义 中长期电力负荷预测是电网规划的重要前提的基础，其预测精度的好坏直接影响到电网规划工作的优劣，电力负荷预测精度的提高是目前许多研究者努力探寻的目标。由于影响中长期电力负荷预测的因素众多复杂，单纯的考虑电力系统本身的特性是完全不够。因此，要在对单纯特性深入分析的基础上，还应考虑到众多社会、政治、经济甚至气象等因素；这样以来，不但增加了预测环境的复杂程度，而且还加大了负荷预测工作的难度；如果负荷预测只是进行简单的线性预测，就会缺乏一定的客观性，甚至达不到预期的预测精度，因此，中长期负荷预测的数学模型选择也成为了当前的研究热点之一。目前，负荷预测的方法众多，且每种方法的适用范围都是不同的，很难适用于所有情况，因此，我们必须要根据具体负荷预测的特点去探寻出适合其预测工作的方法或者模型；这就要求我们应对负荷特性要有充分的认识和研究，并能够寻找出影响负荷预测的一些具体因素，最后再按照根据具体的负荷预测特性选择合适的预测方法，对历史数据进行计算处理，最终获得理想的预测精度。提高电力负荷预测的要求，增加负荷预测的精度，不仅能够有效地制订发电计划、电力调配计划、合理安排电网经济运营，还有利于降低储备容量、合理安排机组检修。有利于对能源的合理使用、减少发电带来的成本；而且在电力市场化的过程中，有利于制订合适的上网竞价计划，有利于制订电力现货和期货报价，有利于电力市场需求的分析，并能够搞好电力市场的营销以及处理好电力客户的关系，从而避免了重大事故的发生、有效地化解了电力风险，还能够保障生产和生活等方面的正常运行。因此，负荷预测工作的具有直接而重大的经济效益和社会效益；对电力负荷预测的研究具有重要的指导实践意义。 1.2国内外研究现状 1.2.1早期经典预测方法 经典预测方法是早期学者根据某些单个的影响因素来推断负荷预测值得一种方法，主要有单耗法、人均电量指标换算法、弹性系数法、负荷密度法等。单耗法是一种简单的负荷预测推断法，它是根据工业产品的平均单位用电量和产品的总量，计算出产品的总用电量；该方法计算简单，并且通俗易懂，但是在实现该方法之前需要进行大量的细致性调查工作，一般地，将其应用于近期负荷预测比较理想。在实际的应用中，我们是很难确定产品的单耗值，从而在中长期电力负荷预测中，预测的结果不是很准确。人均电量指标换算法人均电量指标换算法是一种类似对比预测的方法，它是通过选取一个与该地区的综合经济、气候条件、人口比例等众多因素相类似的地区来推断出该地区的总用电负荷值。具体过程有：通过充分分析两个地区过去的人均用电量，得到该地区目前的人均用电量，然后再根据该地区的人口总量来计算出该地区的用电量负荷值。该方法简单，并且计算方便，但是在实际的应用中，往往由于缺乏可靠的依据，从而导致预测的误差较大。 第 2 章 电力负荷预测分析 2.1 电力负荷预测的特性 2.1.1 电力负荷的特点 在电力系统中，其产品最大的特点就是电能不能大量的储存，从电力生产到消费的各个发电、输电、配电以及用电必须是同时进行的；往往电力系统的建设耗资也是巨大的，并且其建设的周期较长，建设成本高，而且电能是社会发展、居民生活生产必不可少的能源，因此，负荷预测工作凸显的尤为重要。对电力负荷的特点进行深刻的了解与认识，才能根据电力负荷的特性采用适当的方法得到较为精确的负荷预测值。通常电力负荷主要有以下几种特点[3]。 （1）电力负荷的动态性；即电力系统中的负荷时经常变化的，并不呈现出线性特征。它的变化是随着时间的变化而呈现动态变化的，是按照小时变化、按日变，而且还按照周变化，按照月变化，按照年变化，这一特性就为电力负荷预测工作带来了一定的困难。通常，可以将负荷预测表示成几种或多种分量之和。 （2）电力负荷的连续性；是指电力负荷是连续不断的发展，由于电能从产生到消费是同时发生，这就导致发电过程必须是连续稳定进行，不能够间断；再加上电力负荷的动态特性，就能够勾画出电力负荷曲线。负荷的连续性在曲线的表现特征是：曲线上的任意两点的变化都是连续的，并不存在奇点。负荷连续性还可以体现在对电力系统稳定性的要求。其具体表现的特征是：电力系统的运行具有不等式的约束条件，因此为了保证系统的安全稳定，避免对系统造成过大的冲击，使得在增加或者降低负荷时都要求负荷的变化大小要在一定的范围内进行；这样的范围使得电力负荷总量总是表现为一个连续不断的变化过程。 （3）电力负荷的周期性；电力负荷周期性特性是指从长时间的观察来看，电力负荷具有一定的周期性；这一特征表明，对电力负荷影响的因素并不是从单个方面进行分析获得，而应该从影响它的众多因素中进行研究。这不仅使负荷预测工作变得简单完整，还提高了负荷预测的精度，确保了电网的安全可靠