电工杯A题国家二等奖电力系统短期负荷预测.docVIP

报名序号：1254 论文标题：电力体系短期负荷猜测 姓 名 班级 有用接洽德律风 参赛队员1 参赛队员2 参赛队员3 指点教师： 参赛黉舍： 证书邮寄地址.邮编.收件人： 报名序号： 阅卷专家1 阅卷专家2 阅卷专家3 论文等级 电力体系短期负荷猜测 摘 要 进步负荷猜测进度是包管电力体系优化决议计划科学性的重要手腕.根据已有电力负荷数据及气候身分数据,文章重要树立了4个模子来解决关于短期负荷猜测方面的问题. 针对问题一,树立日最高负荷量模子.日最低负荷量模子.日峰谷差模子.日平均负荷量模子以及日负荷率模子.应用Excel软件可将两地区014年各个负荷量的统计值求出（详见附件1）,个中地区二2014年1月1日的日最高负荷量.日最低负荷量.日峰谷差.日平均负荷量以及日负荷率分离为...和.经由过程不雅察两地2014年负荷数据变更曲线图,斟酌数据的摇动性等身分可得出地区二更精确的猜测成果的结论. 针对问题二,构建多元线性回归模子,应用SPSS软件对日最高负荷.日最低负荷.日平均负荷与各气候身分进行回归剖析.经由过程不雅察尺度化残差图（详见图4）,认为没有趋向性,回归模子有用.用同样的办法可得出两地区各个因变量的回归方程（详见表5）.对多元线性方程做回归误差剖析,认为将不重要的气候身分剔除可减小误差.应用慢慢回归法可进行更合理的回归剖析,得出优先推举平均温度来进步负荷猜测精度. 针对问题三,构建ARIMA猜测模子,对数据进行预处理,取每年春季的负荷量作为参照数据,清除了季候成分的影响.经由过程自相干方面的剖析,肯定模子为ARIMA（1,1,1）,应用SPSS软件可得出所需的猜测成果.例如地区一在时光点T0000的负荷量猜测模子为.模子拟合的可决系数都在以上,解释猜测成果精度比较高. 针对问题四,构建基于BP神经收集算法的多元非线性体系模子,肯定模子为,应用Matlab编程可练习出响应的神经收集构造,得出猜测成果.经由过程参照数据.模子道理这两个方面,论证了计及气候身分影响的负荷猜测成果的精度得到了改良这一结论. 针对问题五,提取两地区日负荷率作为待处理数据,分离对两地区日负荷率进行正态拟合.T散布拟合.Logistic拟合,做出拟合曲线并对各个拟合进行拟合曲线广义似然比磨练.得出地区二的数据比地区一的数据更有纪律的结论. 症结词：短期负荷猜测;多元线性回归;ARIMA猜测模子;BP神经收集;拟合 1．问题的重述 短期负荷猜测是电力体系运行与剖析的基本,对机组组合.经济调剂.安然校核等具有重要意义.进步负荷猜测精度,是包管电力体系优化决议计划科学性的重要手腕.现代电力体系中,构成电力负荷的用电器种类繁多,空调等受气候前提影响的负荷占比中断增高,气候身分（温度.湿度.降雨量等）对电力体系负荷的影响愈显凸起.斟酌气候身分成为调剂中间进一步改良负荷猜测精度的重要手腕之一. 已知地区1.地区2从2009年1月1日至2015年1月10日的电力负荷数据（每15 min一个采样点,每日96点,量纲为MW）以及2012年1月1日至2015年1月17日的气候身分数据（日最高温度.日最低温度.日平均温度.日相对湿度以及日降雨量）. 具体请求如下： 1.请剖析两个地区2014年1月1日一2014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.日负荷率指标的散布情形,并绘制两地区2014年全年的负荷中断曲线;结合上述成果,剖析两地区负荷变更的重要差别;初步预判哪个地区的负荷可以获得更精确的猜测成果,解释你的来由. 2.根据2012年1月1日至2014年12月31日的数据,分离对日最高负荷.日最低负荷.日平均负荷与各气候身分的关系进行回归剖析,剖析回归误差;假如要用气候身分来进步负荷猜测精度,在诸气候身分中,你优先推举哪个（或哪几个）？扼要解释来由. 3.请根据已知负荷数据,构建猜测办法,对两个地区2015年1月11日至17日共7天的电力负荷进行猜测（距离15min）,给出负荷猜测结;在不知道现实负荷数据的前提下,你对猜测成果的精确度有何揣摸,请解释来由. 4.假如已获得2015年1月11日至17日的气候身分数据,你可否构建计及气候身分的负荷猜测办法,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猜测（距离15min）,给出猜测成果;与原有的猜测成果比拟,你认为计及气候身分影响的负荷猜测成果精度得到改良了吗?有何证据？请解释来由. 5.分解上述盘算成果,你若何评价两地区负荷纪律性的好坏?你还有什么证据可以佐证两地区负荷整体纪律性好坏的断定？ 2．问题的剖析 2．1 对于问题一的剖析 问题一请求剖析两个地区二014年的负荷量数据的一些统计量,全年的日最高负荷.日最低负荷.日峰谷差.日负荷率指标的散布情形.可以直