电力系统负荷预测论文终结版.docVIP

电力系统负荷预测论文 —基于负荷预测方法理论与应用的认识 姓 名： 李 付 勤 班 级： 电力0804班 学 号： 200801001310 指导老师： 梁 海 峰 前述 电力负荷预测是国民经济和社会发展的各种相关因素与电力需求之间的关系，并根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据电力系统负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。根据目的的不同可以分为超短期、短期、中期和长期超短期负荷预测是指未来1h以内的负荷预测短期负荷预测是指日负荷预测和周负荷预测，中期负荷预测是指月至年的负荷预测，长期负荷预测是指未来3～5年甚至更长时间段内的负荷预测提供各种理论和方法，对应用进行初步探讨 绍了趋势法、弹性系数法回归分析法、指数平滑法、灰色法、和等电力负荷预测的方法，在适用条件、数据形式、计算难度和适用时间等方面对这几种预测方法进行了分析、比较得出结论：回归分析法、趋势分析法适用于大样本，且过去、现在和未来发展模式均一致的预测，灰色模型法适用于贫信息条件下的预测；灰色系统理论采用生成数序列建模，回归分析法、趋势分析法采用原始数据建模，指数平滑法是通过对原始数据进行指数加权组合直接预测未来值的；回归分析法和趋势分析法的计算相对简单；指数平滑法、灰色模型法较适宜近期预测，回归法、趋势分析法和改进型灰色模型较适于中、长期预测　关键词：电力负荷　预测　方法　应用 ?? 。 　　 　　趋势法、弹性系数法回归分析法、指数平滑法、灰色法、和等电力负荷预测的方法趋势外推法时间序列法时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。弹性系数法 电力弹性系数是反映电力消费的年平均增长率和国民经济的年平均增长率之间的关系的宏观指标。电力弹性系数可以用下面的公式来表示： E=Ky/Kx 式中　E-为电力弹性系数 　　　Ky-为电力消费年平均增长率 　　　Kx-为国民经济年平均增长率 在市场经济条件下，电力与经济的关系急剧变化，电力需求与经济发展的变化步伐严重失调，使得弹性系数难以捉摸，使用弹性系数法预测电力需求难以得到满意的效果，应逐步淡化。回归分析包括一元线性、多元线性和非线性回归法。一元线性回归方程以y=a＋bx表示，其中x为自变量，x为因变量；a，b为回归系数。多元线性回归方程为y=a0＋a1x1十a2x2＋…十anxn。非线性回归方程因变量与自变量不是线性关系，如 y=aebx等，但许多经过变换后仍可转换为线性回归方程。根据历史数据，选择最接近的曲线函数，然后用最小二乘法使其间的偏差之平方和为最小，求解出回归系数，并建立回归方程。回归方程求得以后，把待求的未来点代入方程，就可以得到预测值。此外还可测出置信区间。从理论上讲，任何回归方程的适用范围一般只限于原来观测数据的变化范围内，不允许外推，然而实际上总是将回归方程在适当范围内外推。根据实际计算的结果，选定的模型为以下六种：直线、抛物线、指数曲线、反指数曲线、一型双曲线、几何曲线指数平滑法 趋势分析和回归分析都是根据时间序列的实际值建立模型，再利用模型来进行预测计算的。指数平滑法是用以往的历史数据的指数加权组合，来直接预报时间序列的将来值。其中衰减因子0α1，体现重近轻远，即近期数据对预测影响大，远期数据影响小的基本原则。α越大时，由近期到远期数据的加权系数由大变小就越快，是强调新近数据的作用。例如当α=0.9时，各加权系数分别为0.9，0.09，0.009等。在极端情形下，α=1，则以往数据对预报没有任何影响。 对于电力系统负荷预测，重要的是曲线越接近目前时刻，就应当越准确，而对于过去很久的数据，不必要作很精确的拟合。类似惯性作用。 个变量的阶微分方程描述的模型，称为模型，作为一种特例的模型可用下式表示： 式中，表示原始数据经累加后生成的新数列；称为模型的发展参数，反映及原始数列的发展趋势；称为模型的协调系数，反映数据间的变化关系。 解上述微分方程，可以求得的预测模型为: 以时间为序列的原始数据列是一个随机过程，有时未必平稳，