论文总字数：27845字

摘 要

基于网络关键词对某事物的发展趋势进行预测是预测领域的一种新兴方法，具有乐观的前景。利用搜索引擎搜索可以建立被预测数据与搜索使用的网络关键词或者网络关键词群的强有力联系，利用这种关系，可以进行较为及时、精准的预测，尤其在负荷不规律点、无周期性点等传统预测方法不能达到较好结果的地方。电力系统的负荷预测中，准确的预测结果对于提高经济效益、社会效益有很大的帮助，但是，目前的预测方法由于主要依靠经济因素、气候因素、历史负荷数据等因素，不能充分考虑各方面因素的影响，造成负荷数据不规律点处预测效果不能满足要求。本文考虑寻找网络关键词检索数据与电力系统负荷数据之间的关系，在电力系统负荷预测中考虑网络关键词的价值，期望得到良好的预测结果。

电力系统负荷预测的传统方法很多，由于电力系统负荷可以看做一系列随机序列，所以基于时间序列的预测方法较为常用，而因近几年人工智能在各个领域的广泛应用，基于人工神经网络的预测方法也取得不错的预测效果。本文采用上述两种方法进行算例分析，分析了其不足之处，之后提出了一种利用搜索引擎网络活动产生的关键词的新方法。结果揭示了网络关键词数据和电力系统负荷预测数据之间强大的联系，展示了该方法未来应用的巨大的潜力。

关键词：电力系统，负荷预测，时间序列，人工神经网络，网络关键词

The Load Forecasting of Power system

Based on Internet keywords

Abstract

The method based on Internet keywords aims to forecast the trend of the development of something is emerging in the field of prediction ,with an optimistic prospect. Searching valuable imformation utilizing search engine will establish the powerful links between the prediction data and Internet keywords or keywords groups. With this relationship, we can deliver more timely and accurate prediction while utilizing traditional prediction methods is difficult to preform better in irregular points. In the field of load forecasting in power system, the accurate prediction results in the economic gain and enormous social benefit, however, the current forecasting methods relying mainly on economic factors, climate factors, or the historical load data, without fully considering the influence of other factors, causing the prediction of irregular load data point can not meet the requirements. This thesis analyses the relationship between power system load data and the Internet keywords, considering the value of Internet keywords the in power system load forecasting , hoping for good prediction results.

With plenty of the traditional method in the field of power system load forecasting and in the account of that the power system load can be regarded as a series of random sequence, the prediction method based on time series is relatively common, and due to that artificial intelligence is widely used in many industries in recent years, the prediction method based on artificial neural network is also achieved good prediction effect. The thesis also analyzes examples in this thesis, using the above two methods, and analyzes their shortcomings, then put forward a kind of new method utilizing the generation of search engine network activity with keywords. Results revealed that the network keywords data and the strong relationship between the electric power system load forecasting data, showing that this method of the great potential in the future.

KEYWORDS: Power System, Load Forecasting, Time Series, Artificial Neural Network, Internet Keywords

目录

摘要 I

Abstract II

第1章 绪论 5

1.1 研究背景和意义 5

1.2 负荷预测的概述 5

1.3 负荷预测常用方法 6

1.3.1 电力系统负荷预测经典方法 7

1.3.2 电力系统负荷预测新方法 8

1.4 本文的工作内容 10

第2章 电力系统负荷预测的传统方法 11

2.1 引言 11

2.2 时间序列预测模型 11

2.2.1 时间序列模型概述 11

2.2.2 时间序列建模 12

2.2.3 算例与分析 15

2.3 基于温度数据的神经网络修正方法 18

2.3.1 人工神经网络概述 18

2.3.2 神经元模型 18

2.3.3 神经网络模型 20

2.3.4 BP神经网络基本原理 20

2.3.5 算例及分析 23

2.4 本章小结 25

第3章 基于网络关键词的电力系统负荷预测方法 26

3.1 网络关键词概述 26

3.1.1 网络关键词及其价值 26

3.1.2 网络关键词的特性 27

3.1.3 网络关键词的选择 31

3.2 基于网络关键词的电力系统负荷预测修正方法 31

3.3 算例分析 32

3.4 本章小结 32

第4章 总结与展望 34

4.1 工作与成果总结 34

4.2 展望 34

参考文献 36

致谢 38

绪论

研究背景和意义

电力系统是国家发展的有力支柱，国家层面来说，从上到下、在各行各业电力系统都起着至关重要的作用。电力系统负荷预测是与电力系统调度、效率、计划、管理密切相关的重要工作，效果优良的负荷预测，对于电网的发展、国家的发展、平常人家的生活都有极大的促进作用。因此，精确预测电力系统用电负荷成为了一项越来越重要的工作。如果可以做出对每小时、每天、每个月、每个季节、每一年的用电负荷的精准的预测，供电公司便可以得到最大程度上的经济运行，并且做出完美的维护计划和机组管理。

电力市场面临着越来越多的挑战。风力发电的预测、电力系统用电负荷以及电能价格已经成为能源系统的主要问题。到目前为止，已经有许多技术被采取以应用到电力系统负荷预测中，但是，因为电力需求的复杂，传统的预测手段很难进一步提升精度，且在受到突发的经济因素或者是政策因素等其余因素的影响的时候，传统的预测方法很难得到令人满意的结果。

剩余内容已隐藏，请支付后下载全文，论文总字数：27845字