电力系统短期负荷预测

报名序号：1430论文题目：电力系统短期负荷预测姓名班级有效联系电话参赛队员1周健140215927213115参赛队员2张帆140815827477269参赛队员3吴莹140515927391035指导教师：王军华参赛学校：武汉大学证书邮寄地址、邮编、收件人：430072湖北省武汉市武昌区东湖南路8号武汉大学电气工程学院办公室饶凌平（收）报名序号：1430论文题目：电力系统短期负荷预测阅卷专家1阅卷专家2阅卷专家3论文等级电力系统短期负荷预测【摘要】关键词：负荷预测大数据spss回归分析法神经网络1．概述1.1问题背景及问题重述城市日常生活和发展离不开用电。电力系统短期负荷预测是电网规划建设的依据和基础，因此电力负荷预测结果的准确与否直接关系到电力投资的效益、关系到我国电力又好又快的发展。对城市中的地区用电情况数据的统计、处理、建模，可以未来的用电做出预先估计和推测，以此结果对电力系统规划，以便于实时控制发电量和输电量，避免不必要的电力损耗和浪费，对机组组合、经济调度、安全校核等也具有重要意义。所以,为了更好地制定电网经营管理指导方针和发用电生产计划,使电能得到充分合理的利用,有必要对电网负荷特性进行分析。电力预测的影响因素众多，在预测过程中各个方面都需要考虑到。现代电力系统中，构成电力负荷的用电器种类繁多，空调等受气象条件影响的负荷占比持续增高，本题就需要考虑气象因素如温度、湿度、降雨量等对电力系统负荷的影响，进一步改善电力负荷预测的精度。1.2问题重述根据题目的要求，可将问题归纳如下：问题一：处理两个地区从2014年1月1日-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、日负荷率指标的分布情况；绘制两地区2014年全年的负荷持续曲线；分析两地区负荷变化的主要差异；初步预判哪个地区的负荷可以获得更准确的预测结果。问题二：根据2012年1月1日至2014年12月31日的数据，分别对日最高负荷、日最低负荷、日平均负荷与各气象因素的关系进行回归分析，分析回归误差；说明优先推荐哪个（或哪几个）气象因素来提高负荷预测精度。问题三：.请根据已知负荷数据，构建预测方法，对两个地区2015年1月11日至17日共7天的电力负荷进行预测（间隔15min）；在不知道实际负荷数据的条件下，对预测结果的准确度进行推断。问题四：已知2015年1月11日至17日的气象因素数据，构建计及气象因素的负荷预测方法，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预测（间隔15min）；与原有的预测结果相比，分析计及气象因素影响的负荷预测结果精度是否得到改善。问题五：综合上述计算结果，评价两地区负荷规律性的优劣；并用证据佐证对两地区负荷整体规律性优劣的判断。2.模型假设3．符号说明符号含义日负荷率日最小负荷率映射输入向量输出向量前一层输入向量第l层的权重偏置参数非线性激活函数4.问题一的求解4.1问题分析由题意可知，本问为的数据处理与统计相关问题，考验的是对大量数据的处理问题。首先，先需要对一些概念进行明确。日最高负荷、日最低负荷指一天内记录的最大（最小）负荷值（本题记录时间间隔为15分钟）。日峰谷差是电网负荷在24小时内最高值和最低值之间的差，一般在夏季这个数值最大。日负荷率指标指一天内的平均负荷与日最大负荷的比值。年负荷持续曲线指根据一年8760小时的各个负荷大小的累计持续时间排列出来的曲线称为持续负荷曲线。调峰填谷又叫削峰填谷，是指电网运行时尽量控制负荷峰值和负荷谷值之间的差。“电网负荷曲线越接近直线越好，但这一般是不可能的。4.2问题求解我们通过对已知的数据，用MATLAB对数据进行处理，得出日最高负荷及其对应的时刻，通过统计做出日最高负荷和日最低负荷的分布曲线如图4-1、4-2。图4-1图4-24.3结果分析5.问题二的求解6.问题三的求解6.1问题分析第三问要求我们用已有的大量历史数据对未来七天的电力负荷进行预测，对已知历史数据充足的短期预测，本题采用spss软件中的创建模型功能，其中有专家建模器、指数平滑法和ARIMA三种方法可以求解。6.2问题求解使用spss中的创建模型中的专家建模器，将历史数据中同一时刻的所有数据导入作为因变量，将置信区间设置为95%，对未来七天该时刻的用电负荷进行预测和拟合。以地区一的T0000时刻为例：得出T0000时刻负荷量的模型符合 ARIMA(0,1,9)。ModelDescriptionModelTypeModelIDT0000模型_1ARIMA(0,1,9)表6-1表6-2表6-3表6-4图6-16.3结果分析由表6-2可知，R方的值为86.9%，7．问题四的求解8．问题五的求解[1]郭志刚.社会统计分析方法－SPSS软件应用[M].北京：中国人民大学出版社,1999.307-338.[2]杜玉霞,梁武,

俞亭亭.SPSS软件在电量需求预测中的应用.

《通化师范学院学报》2014年第10期37-39,共3页.\o"郑嘉娜"郑嘉娜

\o"范明"范明.浅谈几种常用电量预测方法.\o"水电与抽水蓄能"《水电与抽水蓄能》2015年第15期65-67,共3页.牛东晓等.电力负荷预测技术及其应用[M].北京：中国电力出版社,1998..袁曾任.人工神经元网络及其应用[M].北京：清华大学出版社,1999..\o"卢鹤挺[1]"卢鹤挺[1]

基于多元线性回归分析的用电量研究.\o"中国新技术新产品"《中国新技术新产品》2015年第14期99-100,共2页.彭鹏[1],彭佳红[2].基于多元线性回归模型的