摘 要

随着电力市场对电能的需求的增大和电力行业的发展革新，电力系统负荷预测使电力科技和经济效益实现了更好的结合，在电力市场经济领域体现出越来越重要的地位。人工神经网络预测方法是电力系统短期负荷预测中，应用较多发展较为成熟的预测方法，是电力市场运营的发展重点。

本文介绍了电力系统负荷预测的研究背景和研究意义，对国内外短期负荷的研究现状进行了分析，简单介绍了负荷预测常见的方法，分析了各方法的优缺点和使用范围。

对负荷预测进行了分类，研究了其特点和原理，整理了负荷预测的基本流程，对可能导致负荷预测数据误差的因素进行了分析，研究了可以降低误差的数据预处理方法。对神经网络的典型结构进行了研究和分析，经过分析选取了BP神经网络预测方法之后，对其数学模型、学习方式、训练方式以及总体步骤进行了研究。

选取典型时间段负荷数据作为训练样本，利用BP神经网络预测方法建立了短期负荷预测的模型，并用MATLAB软件进行程序的编写和网络的训练，完成了通过前6日的负荷数据对未来一日的负荷情况的预测，并对比分析了误差。

最后对以上工作进行了总结归纳，在新的政策和电力市场经济形势下，对电力负荷预测的未来方向进行了展望，并给出了相应的建议。

关键词：短期负荷预测；人工神经网络；BP网络

ABSTRACT

With the increasing demand for electrical energy in the power market and the development and innovation of the power industry, power system load forecasting has enabled a better combination of power technology and economic benefits, and has become an increasingly important position in the power market economy. The artificial neural network prediction method is a short-term load forecasting of power system, and more mature forecasting methods are applied, which is the development focus of power market operation.

This paper introduces the research background and research significance of power system load forecasting, analyzes the research status of short-term load at home and abroad, briefly introduces the common methods of load forecasting, and analyzes the advantages, disadvantages and scope of each method.

The load forecasting is classified, the characteristics and principles are studied, the basic flow of load forecasting is compiled, the factors that may cause the error of load forecasting data are analyzed, and the data preprocessing method which can reduce the error is studied. The typical structure of the neural network is studied and analyzed. After the BP neural network prediction method is selected, the mathematical model, learning method, training method and overall steps are studied.

The typical time period load data is selected as the training sample, and the BP neural network prediction method is used to establish the short-term load forecasting model. The program is written and the network is trained by MATLAB software. The load data of the first 6 days is completed for the next day. The prediction of the load situation and the comparative analysis of the error.

Finally, the above work is summarized and summarized. Under the new policy and power market economy situation, the future direction of power load forecasting is prospected, and corresponding suggestions are given.

Key words: short-term load forecasting; artificial neural network; BP network

目录

第1章 绪论 1

1.1研究的背景和意义 1

1.2国内外短期负荷预测的研究现状 2

1.3本论文主要研究内容 4

第2章 县级电网日负荷特点研究与分析 5

2.1地方电网概况 5

2.1.1 Y市电网结构状况 6

2.1.2 Y市用电特点 6

2.2典型工作日负荷曲线特性分析 6

第3章 电力系统短期负荷预测的流程 8

3.1电力系统负荷的分类及其特点 8

3.1.1 电力系统负荷的分类 8

3.1.2 电力系统负荷的特点 8

3.1.2 电力系统负荷的原理 9

3.1.4 电力系统负荷预测的影响因素 10

3.2电力系统短期负荷预测 10

3.2.1短期负荷预测的基本步骤 10

3.3.2负荷预测的误差分析 12

3.3.3负荷预测的数据预处理 12

第4章 短期负荷预测模型的建立 13

4.1人工神经网络的特点 14

4.2人工神经网络的基本模型 15

4.3人工神经网络的应用 16

4.4负荷预测的框架 16

4.5 BP神经网络 18

4.5.1 BP网络模型 18

4.5.2 BP网络的学习方式 18

4.5.3 BP算法的数学描述 19

4.5.4 BP算法的主要步骤 20

4.5.5 BP网络的训练 20

4.5.6 BP网络的建模与仿真 21

第5章 短期负荷预测算例分析 22

5.1 具体实例分析 22

5.2 仿真设计 22

5.2.1 输入、输出层设计 22

5.2.2 网络训练设计 23

第6章 总结 25

参考文献 26

致谢 27

第1章 绪论

随着电力工业市场化改革的推进，市场竞争机制开始与电力市场经济相结合，使原有的垄断机制出现了变化，为电力行业的发展注入了新的动力。随着电力系统规模的扩大、电力系统结构的复杂化以及电网运行管理方式的多样化，社会发展对于电力的需求已经基本满足，因此电力系统的安全性、经济型和稳定性成为了电力系统发展的重要方向。

电力系统的基本作用是在保证电能质量的同时，最大限度的使电能的价格可以适应负荷的变化，让提供给用户的电能及经济又可靠。所以在电力系统安全运行中，负荷的变化是重要的影响因素之一，电力系统发电水平要与不断变化的负荷水平相适应，若二者不能达到动态平衡，轻则出现供应不足和过剩的情况，重则危及电力系统的正常运行，由此科学和准确的负荷预测在负荷预测的过程中就尤为重要，故而成为电力行业未来发展和研究的重点。

负荷预测是在满足供电质量的要求下，尽可能有限的利用资源来保障电力系统经济效益和维持电力系统安全稳定的运行。电力系统负荷预测分为超短期、短期、中期和长期四种，他们的区别在于的时间跨度的不同。短期负荷预测对于电力需求量评估、实时电能管理、峰谷电价制定和实行方面有着较为深远的意义。因此从经济、安全和社会发展等各个角度来讲，负荷预测已经成为了电力系统运行的基础性工作之一，在电力系统和电力经济的发展中占据了重要地位^[1]。

1.1研究的背景和意义

电力负荷预测是根据预测对象的历史资料和统计数据为基础，从历史用电负荷以及负荷现状出发，分析预测对象所处的自然环境、面临的社会需求以及其电力系统设备等相关因素，通过建立负荷预测的数学模型的方式，为未来一定时段的负荷的发展水平和状况进行一个相对准确和科学的预估，来确定各供电区在未来一定时段的供电总量、供电最大负荷，以此来制定电价和做出相应的生产规划。

根据电力系统发展的大方向以及电力市场的完善和发展状况，电力系统短期负荷预测将在未来电力行业发展中发挥重要作用，在电力市场经济和电力系统运行方面具有至关重要的意义，大致可以归纳如下：

(1)在市场经济中，合理的价格是竞争力的代表之一，故而在电力市场经济中，电价的高低，即是电力公司在电力市场竞争的关键所在，在开放性和竞争性并存的电力市场中，发电企业要在维持竞争力的同时盈利，就需要进行相对精准的负荷预测，才能制定出合理的电价。

(2)提供转运业务是电力市场中的一项基本功能，是影响电网的经济效益的重要因素，是维持电力市场竞争公平性的有力手段。所谓转运，是指通过供电设备，为其他电力供电、用电方输送电能。电网在执行转运业务时，是根据总体发电设备的容量和未来负荷的预测值来制定发电和调度计划，所以要使得供电方、转运方和用户三方处于“收支平衡”的状态，准确的短期负荷预测就体现出了其重要性。

(3)由于负荷的不确定性，电能的供需是一个动态平衡的过程，由于各种影响负荷因素的存在，所以发电和转运业务的成本也是不断变化的。根据短期负荷预测的结果，根据负荷的高峰和低估时间制定低电价时段和高电价时段，用户可以通过这些信息，对自身用电情况进行分析以便于对其进行规划。

(4)精确的短期负荷预测可以使电力系统的发电、供电安排合理化，同时，有利于减少能耗降低发电成本，提高经济效益和社会效益^[2]。

1.2国内外短期负荷预测的研究现状

20世纪70年代，我国面临电量持续短缺的局面，在计划经济的体制之下，负荷预测并没有受到足够的重视，导致负荷预测精度不高，无法满足电力供需。而在80年代，我国经济有了突飞猛进的提升，工商业的迅速发展导致社会对电量和电能质量有了更进一步的需求，负荷也也开始从早起的不受重视，开始有所发展，而在这一阶段采用的负荷预测技术还处于比较初级的阶段，比如时间序列法和回归分析法。在“九五”之后，随着我国电力市场结构和供需的转变，电力需求明显减缓，电力行业也由买方市场逐渐转变为卖方市场，在市场机制之下，负荷预测的地位和电力市场对于负荷预测的依赖性逐渐升高，与此同时也不满于现状，对其科学性和精确性提出了更高的要求。近年来，用于负荷预测技术有了明显的发展。在智能控制领域有三大分支，分别为专家系统、人工神经网络和模糊逻辑系统，在不断的发展和应用下，负荷预测与这三大分支相结合衍生出了许多新兴的负荷预测方式^[3]。

目前，负荷预测的影响因素、数学模型以及各类模型对应的算法是负荷预测领域中的主流方向。这几个方向中，负荷预测的影响因素分为确定性和不确定性因素，类别种类繁多复杂，而在算法方而的研究最广泛，并经过逐步完善和修正，拥有广泛的实际运用，这些模型各自拥有完全不同的算法，在结构和运行方式上有着很大的差别，导致了对数据的总量和准确度有不同的要求，在实际运行中的难易程度也不尽相同。现有的负荷预测方法简介如下：

(1)时间序列预测法

时间序列法是目前电力系统短期负荷预测中应用较为广泛的预测方法。时间序列法是利用事物发展的延续性，以历史负荷数据为基础，按照时间先后顺序将其排成序列，分析求出其变化规律，建立对应的描述电力负荷数学模型，使用合适的算法对其进行数学表述，并编写程序进行负荷预测。

时间序列法所需数据量较少，所以计算速度比较快。此方法可以比较清晰的表现出，在较短时间内，电力负荷变化的连续性，但是也因此对原始数据的平稳定要求较高，导致数据处理过程比较复杂，一般只能用于较短时间段的负荷预测。时间序列预测法中突出了时间因素的影响，对其他影响因素比如气候、节假和一些不确定因素考虑不足，所以在这些因素与同时期相比有所差距之时，使用此模型预测就会出现较大误差。

(2)人工神经网络预测法

神经网络预测法是基于神经网络技术提出的一种预测方法，顾名思义神经网络即是可以在某一方面模仿人脑的处理信息的方式，对已知信息进行智能化处理，对一些难以找出规律的不精确、不具有明显结构的信息，可以通过自适应和自学习，推算出其计算方法并得出其发展规律，这种自学习和自适应的能力是区别其他负荷预测法是关键一点。所以，在负荷预测方法中，人工神经网络预测法具有很大的发展和革新的潜力，因此也成为了应用和实践最广的负荷预测法之一。在1991年Park D.C 等人在研究电力系统负荷预测的过程中，发现了时间序列法的缺陷，在寻找更优解的过程中，创造性的将人工神经网络和负荷预测相结合，创立了人工神经网络预测法，并取得了另人满意的结果^[4]。

现在BP算法在神经网络算法中应有较为广泛，在利用此种算法进行短期负荷预测时，一般采用简单的ANN模型，模型分为三层：输入层、隐含层和输出层，将历史数据中的决定性因素或者影响较大的因素，比如历史负荷、气象信息等输入到神经网络中，经过输入层、隐含层和输出层对神经网络进行训练，通过训练结果确定预测是否在误差允许范围内，若没有达到误差允许的范围，需要对预测模型进行修正，使起能够满足最小误差范围，反之则可以开始正常预测工作。把待预测日的负荷数据输入到人工神经网络，在输出层就可以得到相应的数据，这一组或者几组数据即预测结果。在预测结果中可能会存在历史负荷数据没有出现过的情况，这是由于人工神经网络联想性和推理性导致的，属于正常的预测结果。

人工神经网络预测法不需要任何负荷模型即可完成预测，这是其他预测法无法替代的，但是在预测过程中，如果设计的神经网络结构或者选取输入变量的数量的不当，会导致训练过程比较消耗时间，也会大大降低预测结果的收敛性。同时神经网络的结构确定、隐含层个数的确定、输入变量数量的选取等问题都难以用简单的计算得出结果，常常需要建立多个模型相互比较，用择优选取的方式进行筛选，导致了这种方法的繁琐性，但是即使如此，这种方法仍然具有其不可比拟的优点：即是它的自适应性和自学习性。在这两种优点的支持下，人工神经预测法对于除时间之外的因素，对设备维修损坏、气候、温度等不确定因素的影响有很好的处理能力，通过自学习的能力，能够反映变量之间难以用观察法所得到的非线性关系，能无限逼近某一种可积函数。所以人工神经网络预测法在负荷预测中占有很重要的地位。

(3)回归分析法

回归分析法是基于历史负荷资料，利用数理统计原理对其进行分析，最终实现负荷预测。常常应用于回归分析法的模型有：一元、多元和非线性预测模型。回归分析法具有较高的预测精度，能准确的查明各类因素因素对负荷的影响程度和趋势。但回归分析法也具有一定的缺点，这种方法对样本数据有较高的要求，若样本准确率不足、总量不够大或者分布率较差时，使用回归分析法进行负荷预测就会出现误差，不利于精确的负荷预测^[5]。

(4)小波分析法

小波分析是Fourier分析深入发展过程中的提出的预测法，在科学领域获得了很高的关注和赞誉。小波分析由于其压缩精度好、抗干扰能力强被广泛应用于信号和图像压缩，除此之外在信号分析和工程技术方面的应用也十分广泛。

1.3本论文主要研究内容

第一章阐述了电力市场基本理论及我国电力市场现状，对应用于电力系统短期负荷预测的方法进行了描述。

第二章介绍了电力市场条件下A县电网结构概况和电力市场，然后对典型工作日负荷曲线特性分析。

第三章阐述了电力市场体系下负荷预测的所具有的意义，讨论了负荷预测的概念、原理、特性和分类以及负荷预测误差分析。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：