| 【中文题名】 | 基于人工神经网络和模糊推理策略的短期负荷预测 |
| 【英文题名】 | |
| 【学科专业】 | 电力系统及其自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-3-6 |
| 【中关键词】 | 短期负荷预测,人工神经网络,模糊推理组件技术,公共信息模型,组件接口规范, |
| 【英关键词】 | short-term load forecasting,Artificial Neuron Network,Fuzzy Logic,Component Technology,CIM（Common Information Model）,CIS（Component Interface Specification）, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
电力系统短期负荷预测对未来1日～1周的负荷进行预测。短期负荷预测已经成为EMS(能量管理系统)中必不可少的功能之一。
短期负荷预测技术经过几十年的发展，人们提出了许许多多的预测方法，比如时间序列法、状态空间法、人工神经网络法等等，但是这些方法都无法精确地描述电力负荷模型。大量数据统计表明，将负荷按照公式Ln=(L-L_(min))／(L_(max)-L_(min))归一化后，相似类型日的负荷变化曲线相近，而不同类型日的负荷变化曲线差别很大，那么负荷预测就可以被分成两部分：负荷归一化系数的预测以及日负荷最大值和日负荷最小值的预测。基于此，本文提出了一种基于人工神经网络和模糊推理策略的预测方法。
本文首先根据实际经验将负荷日类型划分为周一、工作日、周六、周日和节假日五种类型；然后根据不同的类型日建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过模糊推理策略预测日最大负荷和日最小负荷。
实际算例表明，本文提出的方法能够提高短期负荷预测的精度。
短期负荷预测软件用来实现电力系统短期负荷预测的功能，是能量管理系统(EMS)和电力市场交易系统的基本部... |
| 【论文题纲】 |
|
第1章 前言 |
7-10 |
|
1．1 引言 |
7-8 |
|
1．2 短期负荷预测技术的发展历程 |
8-9 |
|
1．3 本文所做的工作 |
9-10 |
|
第2章 短期负荷预测基本模型 |
10-14 |
|
2．1 影响负荷的各种因素 |
10-11 |
|
2．1．1 经济因素 |
10 |
|
2．1．2 时间因素 |
10-11 |
|
2．1．3 天气因素 |
11 |
|
2．1．4 随机因素 |
11 |
|
2．2 短期负荷预测基本模型 |
11-14 |
|
第3章 短期负荷预测基本方法 |
14-24 |
|
3．1 引言 |
14 |
|
3．2 各种预测方法简介 |
14-22 |
|
3．2．1 线性外推法 |
14-15 |
|
3．2．2 多元线性回归法 |
15-16 |
|
3．2．3 指数平滑法 |
16 |
|
3．2．4 时间序列法 |
16-17 |
|
3．2．5 状态空间法 |
17-18 |
|
3．2．6 专家系统方法 |
18-20 |
|
3．2．7 人工神经网络方法 |
20-21 |
|
3．2．8 模糊推理法 |
21-22 |
|
3．3 小结 |
22-24 |
|
第4章 本文的预测方法 |
24-33 |
|
4．1 引言 |
24-25 |
|
4．2 预测日类型的确定 |
25 |
|
4．3 通过人工神经网络预测负荷归一化曲线 |
25-27 |
|
4．4 通过模糊推理策略预测日负荷最大值和最小值 |
27-30 |
|
4．5 预测过程 |
30-31 |
|
4．6 算例分析 |
31-33 |
|
第5章 短期负荷预测技术的实用化 |
33-35 |
|
5．1 引言 |
33 |
|
5．2 不良负荷数据的检测和剔除 |
33-34 |
|
5．3 负荷数据类型的转换 |
34-35 |
|
5．3．1 电流数据到功率数据的转换 |
34-35 |
|
第6章 基于组件技术和IEC 61970标准的短期负荷预测软件的设计 |
35-44 |
|
6．1 短期负荷预测软件的功能 |
35 |
|
6．2 现有短期负荷预测软件存在的问题 |
35-36 |
|
6．3 对短期负荷预测软件提出的新要求 |
36-37 |
|
6．4 短期负荷预测软件的设计 |
37-42 |
|
6．5 小结 |
42-44 |
|
第七章 总结 |
44-45 |
|
致谢 |
45-46 |
|
参考文献 |
46-47 |
|
| 【DOI】 | LunWen.ID:2.2008.386696 |
