摘 要

随着中国电力行业的蓬勃发展，电力市场建立状况不断增加，工厂网络实施分离，电厂价格上涨，电力市场运行模式，短期负荷预测工作是电力市场运行的重要依据。

负荷预测在电网的建设过程中是最基本的工作也是相比较重要的工作之一，它的准确性直接影响电网建设的经济性，安全性，优劣。电力系统中的负荷预测工作是一项需要很强的科学依据的工作，需要利用科学的预测方法，需要大量的有代表性的准确的历史数据。负荷预测决定着电网的电能的质量好坏，电网运行是否良好，是否经济等重大电力系统优质标准量。同时负荷预测关系着电网规划，这也就关系着供电企业的生存和发展，对当地的经济发展有着关键的决定性的作用。短期负荷预测主要是对未来1日到未来7日的电力负荷进行预测。本文根据电力系统负荷的基本特点，做了以下工作：

1）介绍了电力市场基本理论及我国电力市场现状，对负荷预测的影响因素并阐述了负荷预测的重要目的及意义。

2）阐述了电力市场体系下负荷预测的基本概念，研究了电力负荷预测的基础知识，负荷预测的概念、原理、特性和分类等。

3）建立了基于神经网络的电力系统短期负荷预测模型，利用MATLAB软件创建了合适的BP网络，利用该BP神经网络方法对未来24小时负荷进行短期预测。

4）根据所建立的网络模型，进行了算例分析用以验证所建立的网络的正确性。

5）通过论文的研究工作证明了所应用的神经网络结构和方法对地方短期电力负荷进行预测的有效性。最后进行归纳总结，为了顺应电力市场改革的要求，预见了在新的条件下，短期负荷预测工作的新方向，并提出了合理化建议。

关键词：电力系统EMS；负荷预测；电力规划；bp网络

abstract

With the vigorous development of China's power industry, the establishment of power market situation is increasing, the separation of factory network, power plant prices, power market operation mode, short-term load forecasting is an important basis for the operation of the electricity market.

Load forecasting is one of the most important tasks in the process of construction of power grid. Its accuracy directly affects the economy, safety and merits of grid construction. Load forecasting in power systems is a work that requires a strong scientific basis and requires the use of scientific predictive methods that require a large number of representative and accurate historical data. Load forecast determines the quality of the power grid is good or bad, the grid is running well, whether the economy and other major power system quality standards. At the same time load forecasting is related to power grid planning, which also concerns the survival and development of power supply enterprises, the local economic development has a crucial decisive role. Short-term load forecasting is mainly for the next day to the next 7 days to predict the power load. According to the basic characteristics of the power system load, the following work is done:

1) introduced the basic theory of electricity market and the current situation of China's electricity market, the impact of load forecasting factors and describes the important purpose and significance of load forecasting.

2) Describes the basic concepts of load forecasting under the electricity market system, and studies the basic knowledge of power load forecasting, the concept, principle, characteristics and classification of load forecasting.

3) The short-term load forecasting model of power system based on neural network is established. The suitable BP network is created by MATLAB software, and the BP neural network method is used to forecast the future 24-hour load.

4) Based on the established network model, a case study was conducted to verify the correctness of the established network.

5) Through the research work of the paper, it is proved that the applied neural network structure and method can predict the local short-term power load. Finally, in order to comply with the requirements of the electricity market reform, the new direction of short-term load forecasting under new conditions is foreseen, and the rationalization proposal is put forward.

Key words: power system EMS; load forecasting; power planning; bp network

目录

摘要 I

abstract II

第1章 绪 论 1

1.1研究的背景和意义 1

1.1.1负荷预测的意义 2

1.2国内外短期负荷预测的研究现状 3

1.3本章小结 4

第2章电力系统短期负荷预测的流程 5

2.1电力系统负荷的分类及其特性 5

2.1.1电力系统负荷的分类 5

2.1.2电力系统负荷的特性 6

2.2负荷预测的特点 7

2.3电力系统短期负荷预测 8

2.3.1短期负荷预测的基本步骤 8

2.3.2误差产生原因 11

2.3.3负荷预测的误差分析 12

2.3.4负荷预测的数据预处理 13

2.4本章小结 13

第3章 短期负荷预测模型的建立 14

3.1人工神经网络 14

3.1.1人工神经网络的基本特点 14

3.1.2人工神经网络在负荷预测中的应用方式 15

3.2前馈型人工神经网络(BP网)的结构及算法 15

3.2.1 BP网络模型 16

3.2.2 BP算法的主要步骤 16

3.2.3基于BP神经网络的建模与仿真 17

3.3本章小结 20

第4章算例分析 21

4.1地方电网概况 21

4.2算例分析与整理说明 21

4.3本章小结 25

第5章 总结与展望 26

5.1 总结 26

5.2 展望 27

参考文献 28

致谢 29

第1章 绪 论

电力系统是由发送电、输变电，配用电等环节组成，其功能是尽最大的努力经济地为用电户提供可靠电能。由于电源起点与负荷中心大部分处于不同地区，而且我国的电力系统是非常巨大的，所以要使电力系统达到生产、销售的动态平衡，就必须要对电量用量进行精确地预测，根据用户的需求进行发电出力时刻紧跟系统负荷的变化动态平衡，最后电厂根据电网给出的的负荷短期预测结果进行评估价格。所以，在电力市场运行模式下，负荷短期预测工作，是电力市场运营的基础性工作之一。另外，随着我国电力市场化改革，也对负荷预测提出了更高的标准并且要求其预测精度更加精准。那么怎么得到精确的短期负荷预测数据，已然成为一个关键的问题。