中长期电力负荷预测的的研究及的分析

《中长期电力负荷预测的的研究及的分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、山东农业大学硕士学位论文摘要中长期电力负荷预测是电网规划的基础工作，是电力系统规划决策、经济运行的前提和基础，准确的电力负荷预测为电力工程建设提供有力的数据支持，对电力系统安全经济运行和国民经济发展具有重要意义。中长期电力负荷预测的方法多种多样，由于影响负荷预测的因素具有多样性，因此，出现了很多种适应不同情况的预测方法，且每种预测模型都有自己的适用范围。考虑多种影响因素的建模方法，预测结果内涵更丰富，比单一因素的预测模型更系统、更全面，因此能够有效地减少预测模型过程中一些环境随机因素的影响，从而提高预测精度。通过

2、研究灰色预测模型的多种优化方法，结合中长期电力负荷预测的特点，并以山东省1996～2009年的电力消费量为资料，结合这个实例的特点，综合得出一种优化灰色预测模型，经过与传统的灰色预测模型的对比，精度有所提高。鉴于上述方法没有考虑多种影响因素，对这个实例文中又应用主成分分析方法建立数学模型，通过对这个例子的研究发现，各个影响因素间相关性太强，不适合应用常规的主成分分析法建模，于是提出一种新的筛选变量的方法，图像趋势选择法。由此找出相关变量，去掉无关变量，然后再应用图像趋势选择方法，进一步筛选出与因变量有线性关系的自

3、变量，去除关系复杂的因素，最终建立线性模型。经过预测值与实际值的对比，证明由此建立的模型精度是能够满足负荷预测的要求。再把预测值与实际值以及优化灰色模型的预测值进行对比，结果也是合理的，这也说明图像趋势选择法筛选变量的方法是有一定道理的。最后，文中应用优化灰色模型预测各个影响因素2010～2015的数据，将它们代入主成分分析法的模型，预测出2010～2015年的负荷值，仅供参考。通过对以上两种预测方法的研究，总结出两种预测方法的优缺点，并结合个人在研究过程中的体会，给出了中长期电力负荷预测的方法在应用过程中的一些

4、建议。关键词：中长期电力负荷预测；灰色预测方法；回归分析法；主成分分析法；图像趋势选择法1中长期电力负荷预测的研究与分析ResearchandAnalysisofLong-termPowerLoadForecastingAbstractElectricLoadforecastingisanimportanttaskofpowerutilities．Itistheimportantfoundationofthestudyonelectricsystemplanningproblem,economicalrunnin

5、g.Theaccuratepredictionofelectricloadissignificanttothenationaleconomicdevelopmentandthesafeeconomicaloperationofpowersystem．Thelong-termpowerloadforecastingvariousways,Duetotheinfluencefactorsoftheloadforecastofdiversity,Withoutafixedmethodcanfollow,So,there

6、wasavarietyofadapttodifferentsituationforecastmethod,Eachpredictionmodelshavetheirapplicationscope.Considermultiplemethodofinfluencefactors,themodeling’spredictedresultshavemorerichconnotation,Thepredictionmodelthansinglefactorconsideredmorecomprehensive,more

7、system,Socaneffectivelyreducepredictionmodelprocesssomeenvironmentoftheinfluenceofrandomfactor,soastoimprovethepredictionaccuracy.Basedontheoptimizationofgreymodelstudy,Combinedwiththecharacteristicsofelectricpowerloadforecastingmedium-term.From1996to2009inSh

8、andongprovinceofpowerconsumption,toresearchthecharacteristicsofthisinstance,Comprehensivefindakindoptimizationgreyforecastingmodel.Afterandtraditionalgreyforecastingmodelcontrast,precisio