论文总字数：26694字

摘 要

16012201 唐旎

指导老师 王蓓蓓

电力系统短期负荷预测是电力调度部门的一项十分重要的工作，为实现电力系统经济高效和稳定的运行，准确的短期负荷预测是电网优化运行和能量管理的重要依据。许多研究表明，气象因素对负荷有显著的影响，随着经济发展，温度敏感负荷的增多，在负荷预测中考虑气象因素的影响对负荷预测准确定有重要的意义。本文在分析城市微气象对空调负荷影响的基础上，建立了空调负荷的短期预测模型。

气象因素中对负荷影响最大的是气温因素，本文首先从总负荷中提取出空调负荷，其次在对温度与负荷相关性分析的基础上，考虑温度累积效应和热岛效应对负荷预测产生的影响，提出一种用离散的累积效应系数将当日温度修正为当日与之前若干日温度函数的温度修正方法，并采用遗传算法对系数求解。经验证，修正后温度与负荷的相关性增强。

在对温度进行修正后，本文采用RBF人工神经网对空调的日峰荷进行短期负荷预测，考虑气象因素、历史负荷信息及日期类型的影响，分别构建南京市区及江宁区的预测模型。与未考虑温度累积效应的人工神经网络预测模型相比，其预测的准确度显著提高，验证了模型的有效性。

关键词：短期负荷预测 温度累积效应 遗传算法 人工神经网络

Abstract

Short-term load forecasting of the electric power system is an important job of the power dispatch department. To realize efficient and economical operation, accurate forecasting plays a significant role in optimizing and managing the operation of power grids. It has been widely acknowledged that meteorological factors influence the load greatly. With the economic development, leading to the increase of weather-sensitive loads, it is significant to take meteorological factors into consideration when forecasting. In this thesis, the model of short-term forecasting of air-conditioning load is built based on the analysis of the influence of microclimate.

Temperature has great effect on the load among all the meteorological factors. Firstly, air-conditioning load is extracted from the sum-load. Secondly, the influence of accumulation effect and heat island effect is considered, based on the correlation analysis of temperature and load. A method to revise the forecast-day temperature with a function of the forecast-day and historic temperature information is put forward. Genetic Algorithm is used to solve the problem. It is proved that the revised temperature is more correlated to the load.

After modifying the temperature, this paper adopts RBF artificial neural network to do the short-term forecasting work. Meteorological factors、historical load and data type are all put into consideration. The model of downtown and Jiangning District are built up respectively. Compared to the forecasting result without considering the accumulation effect, the accuracy of the revised model is evidently improved, which proves the validity of the model.

KEY WORDS: shot-term load forecasting, accumulation effect, Genetic Algorithm, artificial neural network

目录

第一章 绪论 1

1.1 本文的研究背景和意义 1

1.1.1 研究背景 1

1.1.2 研究意义 .. 2

1.2 国内外研究现状 2

1.2.1 对温度累积效应的研究 2

1.2.2 对短期负荷预测的研究 3

1.3研究思路和研究方法 4

1.4 本文研究的主要内容 4

第二章 温度与电力负荷的关系 6

2.1 电力负荷组成 6

2.2 空调负荷提取 6

2.3 用户筛除 7

2.4 温度与空调负荷之间的关系 8

2.4.1 温度与负荷关系概述 8

2.4.2 温度与负荷相关性研究 9

2.5 本章小结 10

第三章 城市微气象对空调负荷的影响模型 11

3.1 微气象对空调负荷影响概述 11

3.2 热岛效应对负荷的影响 12

3.2.1 热岛强度定义 12

3.2.2 热岛效应对空调负荷的影响及处理策略 13

3.3 温度累积效应对负荷的影响 14

3.3.1 累积效应对空调负荷的影响 14

3.3.2 累积效应的修正模型 16

3.3.3 遗传算法概述 17

3.4 实例分析 18

3.5 本章小结 21

第四章 空调负荷预测模型 23

4.1 人工神经网络概述 23

4.1.1 BP神经网络原理 23

4.1.2 RBF神经网络原理 24

4.1.3 BP神经网络与RBF神经网络的比较 25

4.2 考虑微气象的空调负荷预测模型 26

4.2.1 训练样本的结构 26

4.2.2 预测模型的建立 27

4.3 实例分析 28

4.3.1 预测结果 28

4.3.2 误差分析 29

4.4 本章小结 29

第五章 总结与展望 30

5.1 总结 30

5.2 展望 30

致谢 32

参考文献（References） 33

第一章 绪论

1.1 本文的研究背景和意义

1.1.1 研究背景

电力产业是现代国民经济发展中最为重要的基础能源产业之一，甚至可以称为国民经济的第一基础产业。作为国民经济的命脉，电力行业一直是世界各国经济发展战略中的优先发展重点，电力行业对促进国民经济发展和社会进步有无可替代的作用。随着我国经济和社会的不断发展，对电的需求量正在不断扩大，对电能质量的要求也在不断提高。高精度的电力负荷预测技术和应用系统的研究对实现智能化电网高效经济运行越来越重要。

电力负荷短期预测是指对未来一天或一周的负荷情况进行预测，电能无法贮存的特点使得电力系统必须时刻保持供需平衡，并向各类用户提供可靠、经济、合乎标准的电能，因此在掌握负荷变化规律的基础上，实现准确的负荷预测对制定经济合理的发电计划、优化的调度计划、保证电网经济运行、优化电力市场营销策略和需求分析等方面有重要的意义。

剩余内容已隐藏，请支付后下载全文，论文总字数：26694字