毕业论文课题相关文献综述
{title}毕业论文课题相关文献综述
{title}文 献 综 述 摘要：在国民经济飞速发展的今天，电力负荷预测工作的水平已成为衡量一个电力企业的管理是否走向现代化的显著标志之一。我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题的解决已经成为我们面临的重要而艰巨的任务。短期负荷预测是对电力系统最为重要的负荷预测。本文讨论了目前的研究方法，包括传统的预测方法有趋势外推法，回归分析法等，新型的预测方法有专家预测法，神经预测法等。 关键字：电力负荷，短期负荷，负荷预测，趋势外推法，神经预测 一．本课题的目的及研究意义 电力系统负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一，提高电力系统负荷预测水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤，节油和降低发电成本，有利于制定合理的电源建设规划。短期负荷预测是对电力系统最为重要的负荷预测。 这几年我国电力事业也在不断的发展，电网的管理日趋现代化，电力系统负荷预测问题的研究也越来越引起人们的注意。我们都应该知道，电能很难存储，电能难以大量储存的特点，导致了在供电过程中，电能的生产和消费必须时刻达到平衡：电能过量，会导致电网安全稳定性的降低；而电能不足，又会影响社会正常生产和生活。这时候精确的短期电力负荷预测需求应运而生。有效的日电力负荷峰值预测，可以经济合理的安排电网内部发电机组的起停、保持电网运行的安全稳定性、减少不必要的旋转备用容量、合理安排机组检修计划，既能保证社会的正常生产和生活，又能有效降低发电成本，提高经济效益和社会效益 二．本课题的国内外的研究现状 电力系统短期负荷预测是电力系统一项非常重要的工作，对电力负荷预算的研究已经有很长的历史了。目前，国内外就电力负荷短期预测进行了大量的研究。 传统的预测方法 1.趋势外推法[3] 当电力负荷依时间变化呈某种上升或下降趋势时，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t作为自变量，时序值y为因变量，建立趋势模型y=f（t）。当有理由相信这种变化趋势能够延伸到未来时，赋予变量t所需要的值，就可以得到相应时刻的时间序列未来值。这就叫做趋势外推法。 应用趋势外推法有两个假设条件:①假设负荷没有跳跃式变化;②假定负荷的发展因素也决定负荷未来的发展,其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节,图形识别法和差分法是选择趋势模型的两种基本方法。外推法有线性趋势预测法、对数趋势预测法、二次曲线趋势预测法、指数曲线趋势预测法、生长曲线趋势预测法。这些预测技术的共同特点是作趋势外推,不对其中的随机成分做统计处理。趋势外推法的优点是:只需要历史数据、所需的数据量较少。缺点是:如果负荷出现变动,会引起较大的误差[3]。 2．回归分析法[3] 回归分析法就是根据负荷过去的历史资料,建立可以分析的数学模型,对未来的负荷进行预测。其原理是:利用数理统计中的回归分析方法,通过对变量的观测数据进行析,确定变量之间的相互关系,从而实现预测。此类模型的优点是:原理简单,运算速度快,预测精度较高,适用于在中、短期预测使用。缺点是:①规划水平年的工农业总产值很难详细统计;②用回归分析法只能测算出综合用电负荷的发展水平,无法测算出各供电区负荷发展水平,也就无法进行具体的电网建设规划[3]。 3.时间序列法[3] 时间序列预测法是把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序列，根据负荷的历史资料，在建立数学模型的基础上确立负荷预测的数学表达式，并对未来的负荷进行预报。该方法对历史数据准确性要求高，对天气因素不敏感，较难解决因气象因素造成的短期负荷预测不准确问题。 新型预测方法 1.灰色预测法[13] 灰色系统理论的显著特点就是用少量的数据做微分方程建立起预测的模型。它将一定范围内变化的历史数据列进行累加，使其变成具有指数增长规律的上升形状并对生成的数列建立起GM(greymodel)模型，GM(l,n)也就是对n个变量用一阶微分方程建立的灰色模型。文献[13]通过讨论灰色模型GM(1,1)和灰色差值模型在短期负荷预测中的应用，提出了适合于日负荷预测的数据处理方法，文献[14]针对历史数据同时具有空穴和不良数据时，将参数估计与不良数据辨识作为灰色预测的预处理过程，并将处理后的数据建立灰色模型进行预测，文献[15]提出了一种灰色递推预测法，它将灰色模型参数视为随时间变化的变量，并根据参数对时间的变化趋势对模型参数进行估计，进而对数据序列进行预测。 2.优选组合预测法 优选组合预测方法目前有两种说法：第一就是指将把几种预测方法所得的预测结果，选取合适的部分进行加权平均的一种预测方法；第二就是在几种预测方法当中进行比较，选择符合度最佳或标准离差最小的预测模型作为最优模型进行预测。组合预测方法是建立在最大化信息利用的基础上，它包括了各种单一模型包含的信息，进行最优组合。因此，在大多数情况下，通过组合预测可以达到改善预测结果的目的。 3.专家系统预测法 专家系统是一个用基于知识的程序设计方法建立起来的计算机系统（在现阶段主要表现为计算机软件系统），它拥有某个特殊领域内专家的知识和经验，并能像专家一样运用这些知识，通过推理，在那个领域做出智能决策。因此，一个完整的专家系统有四部分组成，知识库、推理机、知识获取部分和解释界面。应用专家系统可以利用其拥有的所有模型对负荷逐一进行预测评估，快速做出最佳结果，避免了人工推理繁琐出现错误的可能，克服了以往用单一模型进行预测的片面性缺陷。但是此法不具有自学能力，受数据库里存放的知识总量的限制，对突发状况适应性差。 4.神经网络预测法 传统的负荷预测方法中用显示的数学关系式来表达，但负荷与影响因素之间呈现的高度非线性关系，使得很难找出它们之间的非线性量化关系。神经网络是一个具有高度非线性的自适应系统，其具有信息纪元、自主学习、知识推理和优化计算的特点。提出一个简单的三层人工神经网络模型，就能实现从输入到输出之间非线性映射任何复杂关系。将对电力负荷影响最大的几个因素作为输入，即可获得比较理想的预测结果。因此，近年来神经网络预测法在近期负荷预测中得到了广泛的应用。 5.小波分析法[7] 小波分析法是传统傅里叶分析发展史上具有里程碑意义式的发展，最近几年已经成为人们研究的重点。作为一种数学工具，小波分析在时域和频域具有同样良好的局部化性质，可以对信号的任意细节加以提取、分析。利用小波分析这种独特的分析特性，将短期负荷序列中较短的周期提取了出来，从而可以利用较为简单的模型进行预测。 (1)小波分析在时域和频域上同时具有良好的局部化性质,能对不同的频率成份采用逐渐精细的采样步长,聚焦到信号的任意细节,这对于检测高频和低频信号以及信号的任意细节均很有效,特别适于分析奇异信号,并能分辨奇异的大小。(2)小波分析能准确地反映故障发生的时间、位置等信息,能对电力系统或设备进行实时、有效的状态监视和故障诊断。(3)小波分析可提高电力系统暂态稳定预测的实时和准确性,并能通过分析系统的电压状况,判别电力系统动态安全运行状况。(4)小波分析在电力系统谐波分析、短期负荷预测、抗电磁干扰以及神经网络和专家系统等诸多领域有着重要的应用。(5)在高压直流输电系统中,同样能应用小波分析进行故障诊断、主设备状态监视、实时准确地控制、直流输电线路故障定位、谐波分析等诸多方面的研究[7]。 6.混沌预测法 短期电力负荷往往表现为多变量动态演化行为和多层次结构等，因此很难用某种函数关系来表示其非线性预测模型，但其负荷序列具有一定的规律性，如某时期的发展变化与以前某时期的发展有着相似或相同的规律。混沌预测正是利用混沌吸引子在不同层次间的自相似性进行混沌系统的短期预测，它不需要了解各影响因素与负荷之间的相互关系，也无需对负荷序列建立工作日和节假日预测模型，仅通过相空间重构来近似恢复原来的多维非线性混沌系统。 三．本课题的研究内容 建立组合预测法模型，进行短期负荷预测。 1. 时间序列 时间序列预测法是把负荷数据看作是一个按季节、按周、按天以及按小时周期性变化的时间序列，根据负荷的历史资料，在建立数学模型的基础上确立负荷预测的数学表达式，并对未来的负荷进行预报。该方法对历史数据准确性要求高，对天气因素不敏感，较难解决因气象因素造成的短期负荷预测不准确问题。时间序列预测技术的一般步骤包括时序模型识别、模型参数估计、模型定阶和预测等。随着时间序列预测技术的发展和完善，随机时间序列预测技术在电力短期负荷预测中得到广泛应用。文献[10]针对ARMA(p,q)模型研究了伪数据的处理和从自动搜索定阶到节假日预报的程序化模型，并对上海某电网进行了工作日和休息日负荷预报。文献[11]将负荷分解为确定、趋势和随机三部分，并在ARMA(p,q)的基础上引入反馈量为随机序列建模，并用F检验逐步自动定阶，以自回归计算残差法估计模型的初值，用递推最小二乘法对模型进行修正，以实现实时自适应负荷预报。文献[12]利用加权最小二乘法对ARMA模型参数进行了估计，并应用于电力日和月负荷预测之中。 时间序列法的通用模型表达式如下： yt -y1 yt-1 -.........ypyt-p=at-q1at-1-qqat-q 自回归系数：y1,y2 ,......... yp， 自回归阶数：p， 动平均系数：q1, q2, ......qq ， 动平均阶数：q， 连续一段时间的负荷数据值：ytyt-1 yt-p ， 是零均值白噪声序列：at at-1 at-q。 2.回归分析法 一般来讲，电力网络负荷同其所在地区的经济、政治，气候等因素常存在某种因果关系，这种因果关系往往无法用精确的数学表达式来描述。只有通过对大量的观察数据的统计和处理，才能找到它们之间的关系和规律，回归分析法就是通过对观察数据的统计分析和处理，寻找负荷与影响因素之间的因果关系，即根据历史数据的变化规律寻找自变量与因变量之间的回归方程式，确定模型参数，据此作出预测。一元回归可称为配曲线问题，拟合曲线后，将此曲线外延至未来的适当时刻。在已知自变量取值时得到因变量的预测值。确定模型表达式中的未知参数是回归预测的主要步骤，一般应用最小二乘法进行。线性函数（一元或多元）的最小二乘拟合比较方便。而非线性函数的拟合并不容易，通常仅将一些典型的一元非线性回归方程经过适当变换成为线性问题，从而确定函数表达式中的未知参数。显然，将一元非线性回归问题化为线性求解，只是在一定程度上满足配曲线的最佳要求。为了提高回归精度。需要研究直接解决非线性回归问题的策略，即探讨曲线参数的非线性估计方法。 四．已查阅参考文献： [1]牛东晓，曹树华，卢建昌，赵磊.电力负荷预测技术及其运用[M]，中国电力出版社。1998； [2]刘晨辉,电力系统负荷预报理论与方法[M]，哈尔滨工业大学出版社，1987； [3]陈跃芳.短期电力负荷预测方法研究与系统设计［Ｄ］.浙江大学电气工程学院.2006 [4]董继征.电力系统负荷预测方法研究及应用［Ｄ］.湖南大学电气与信息工程学院.2006 [5]吴起，宋立国，张宇飞，一元线性回归模型在负荷预测中的应用[J]，中国电力教育，2010:553-554 [6]刘凯.基于改进BP神经网络的短期负荷预测研究[D].南京:河海大学，2005. [7] 任 震,黄雯莹, 何建军,石志强,杨 桦,杨 浩,小波分析及其在电力系统中的应用[D].电力系统自动化.1997. [8]王黎明，王艳松，魏志远，基于回归分析与神经网络的短期负荷预测[J], 电气应用,2007,26(11):37-39 [9]张健,曹志东.负荷预测在电力市场中的应用[J].山东电力技术,2000：24-25 [10]侯志坚等电力系统短期负荷预报的几种改进手段[J].电力系统自动化，1996，20(7)：27-31 [11]陆海峰,单渊达电力系统的递推自适应超短期负荷预报电网技术，2000，24（3）：28-31 [12]叶瑰昀,罗耀华,刘勇,金鸿章基于ARMA模型的电力系统负荷预测方法研究信息技术，2002，（6）：74-76 [13]李鹰，赵振江，吴松涛灰色模型在普通日短期电力负荷预测中的应用长沙电力学院学报(自然科学版)，2003，18（1）：15-17 [14]康重庆，夏清，相年德灰色系统参数估计与不良数据辨识清华大学学报(自然科学版)，1997，37（4）：72-75 [15]周平，杨岚，周家启电力系统负荷灰色预测的新方法电力系统及其自动化，1998，10（3）：45-50 |
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
