时间序列和线性回归模型在电力系统负荷预测中的应用及程序仿真.docVIP

目 录 1前言 1 1.1电力负荷预测研究的目的和意义 1 1.2国内外负荷预测发展动态 1 2电力系统负荷预测概述 3 2.1电力负荷预测的概念 3 2.2负荷预测的特点 3 2.3负荷预测的分类 3 2.4负荷预测的步骤 4 2.5电力系统负荷预测的常见方法及其比较 5 2.6本章小结 7 3时间序列模型 8 3.1时间序列模型的概念 8 3.2时间序列模型的分类 8 3.2.1自回归模型 8 3.2.2滑动平均模型 9 3.2.3自回归—滑动平均模型 10 3.3时间序列模型的应用及仿真 12 3.3.1模型识别 12 3.3.2 模型参数估计 16 3.3.3模型检验 17 3.3.4负荷预测 18 3.3.5预测值的校正 18 4线性回归模型 19 4.1线性回归模型的概念 19 4.1.1一元线性回归模型 19 4.1.2多元线性回归模型 20 4.2线性回归模型的预测 21 4.2.1确定自变量和因变量 21 4.2.2建立预测模型 23 4.2.3检验回归预测模型 24 4.2.4计算并确定预测值 24 5 结论 26 6总结与体会 27 7谢辞 28 8参考文献 29 附录1： 30 附录Ⅱ：外文资料翻译 35  1前言 1.11.2国内外负荷预测发展动态 负荷预测方法发展至今，已经积累了丰富的经验。但是，由于电力系统的负荷受到众多因素的影响：如负荷构成，负荷随时间变化规律，气象变化的影响及负荷的随机波动。按照系统负荷构成，不同的负荷有着不同的变化规律，而且一个地区负荷往往含有几种类型的负荷。各类用电负荷的时间变化规律是不同的，由它们构成的系统负荷具有不同的变化规律。气象对负荷有明显的影响，气温、阴晴、降水和大风都会引起负荷的变化，但每个电网负荷对各种气象因素的敏感程度是不相同的，这是研究负荷预测的重要内容。负荷的随机波动是指某些未知的不确定因素引起的负荷变化，对每一电网随机波动对负荷影响的大小是不相同的。 过去几十年来，国内外学者对电力系统负荷预测进行了较充分的研究，各种预测方法和模型被引入到负荷预测中。这些方法和模型大体上可以归结为两类：负荷预测传统算法的研究和负荷预测现代算法的研究。 负荷预测传统算法的研究重点放在负荷序列本身的规律上，主要包括：时间序列法、自回归模型、累积式自回归—动平均模型等。提出了一种短期负荷预测方法，它用时间序列、线性回归、平均值模型等几种不同的经典数学模型加权组合预测，取长补短，预测的精度得到了提高。但由于电力负荷具有非线性、时变性和不确定性的特点，所以要通过清晰的数学方程式来表达预测数据之间的非线性关系存在着一定的困难。即使构造出了数学模型，也存在着如模型的定阶、求解、识别困难、模型适应性不强、建模所需的数据量大、运算速度慢以及预测精度低等缺点。 所以，一些专家和学者开始致力于现代负荷预测方法的研究。研究重点放在了用新的技术替代传统的方法，主要包括：利用专家系统、灰色、模糊逻辑和神经网络理论等方法，这些方法优于传统方法的地方在于它们考虑了负荷预测系统的鲁棒性，并且能够拟合出负荷复杂的非线性关系。这些方法既不需要事先知道过程模型的结构和参数的有关经验知识，也不必通过复杂的系统辨识来建立过程的数学模型，非常适合于存在非线性、多变量、时变、不确定性的电力负荷预测。 其中专家系统方法是使用专家知识建立预测规则的一种方法。它很好地处理了气象及特殊事件等干扰因素，该方法的预测精度基本上达到了令人满意的效果。模糊预测方法是基于模糊聚类识别算法通过对相关历史数据进行加工处理，提炼出负荷变化的若干种新型模式，进而影响负荷变化的相关因素的未来状态去判定未来负荷变化属于哪种模式，从而做到负荷预测的目的。人工神经网络具有很强的学习和映射能力，可方便地拟合出任意复杂的非线性关系，很适合于电力系统的负荷预测问题，并已提出了不少模型和算法，主要有人工神经网络BP算法等，人工神经网络技术不需要任何负荷模型，但其缺点是训练过程比较消耗时间，并且它并不能保证一定收敛。 随着计算机技术的高速发展，大容量、高速度的计算机为计算复杂、人工方法难以实现的的预测方法的采用成为可能，且软件预测也为负荷预测提供了更高的精度和更快的速度。  2电力系统负荷预测概述 2.1电力负荷预测的概念 电力负荷具有两方面的含义：一方面是指使用电力的部门、机关、企事业单位、工厂、农村、学校等各种用电对象；另一方面是指上述各用电单位、用电部门使用电力和电量的具体数量。 电力预测中的负荷是指国民经济整体或地区对电力和电量消费的历史情况及未来的变化发展趋势。电力负荷预测是指在正确的理论指导下，在调查研究大量翔实资料的基础上，运用可靠的方法对电力负荷的发展趋势作出科学合