导读:本文包含了短期负荷预报论文开题报告文献综述及选题提纲参考文献，主要关键词:短期负荷预报,电力系统,小波分析,神经模糊方法
短期负荷预报论文文献综述
马克森[1]（2016）在《基于神经模糊网络和小波理论的电力系统短期负荷预报研究》一文中研究指出目前,电力负荷预测对于电力工业的发展有着至关重要的作用。电力负荷预测是决定电力系统决策和优化的最主要的能源信息。作为整个系统质量性能的主要指标,电力负荷预测准确度的提高有利于节约能源,增加企业利润。由于时间序列的复杂性和不确定性,使得能耗预测的精度较低。影响电力负荷预测水平的因素(包括系统自身和随机条件)很多,例如能源结构的持续改变,EPC本身的拓展,这些都使提高能耗预测准确性的任务更加困难。本文的目的是在智能计算技术的基础上开发一种电力负荷预测系统,该系统能够很好的解决并有效改善短期预测精度低的问题。通过解决以下任务能够实现目标:(1)分析目前电力负荷预测的方法,找出提高预测精度最有前景的方向;(2)建立一种预测电力消耗系统的技术;(3)在前人研究的基础上,建立一个电力消耗预测系统;(4)开发系统的MATLAB程序的实验研究;(5)建立系统质量和可靠性的比较分析。本文实现研究目标的应用内容:数学建模和时间序列的预测方法;回归分析;模糊集理论;小波理论的基础;人工神经网络和混合网络理论;进化模型的方法;MATLAB数学软件包。科学成果的独创性包括:(1)波动负荷数据的呈现模式的特征是由时间序列的加性成分来进行识别和描述的,这个特点和性质区别于其它方法;(2)短期负荷预测的过程是在将时间序列分为不同的组别的基础上设计初步步骤,通过分别预测每个组件的特点,从而实现在联合使用的智能计算技术中的预测;(3)利用小波滤波和模糊神经网络对电力负荷预测系统的构建方法进行了分析,反映了高频、低频、中频区域的时间序列特性。本文采用的基于小波理论和神经模糊网络理论的电力负荷预测系统的预测结果优于以往使用的经典理论和方法。因此,能够完成并实现这项工作的目标。(本文来源于《兰州交通大学》期刊2016-06-17）
李琦,韩颖[2]（2015）在《基于天气预报的集中供热系统短期热负荷预测》一文中研究指出短期热负荷预测对于城市集中供热系统的安全经济运行有着重要的作用,提高预测的精度是广大学者研究的首要任务。长期以来,研究者尝试了多种不同类型的神经网络对短期热负荷进行预测。由于集中供热系统的热负荷受外界温度等因素的影响较大,因而在进行神经网络建模时考虑天气因素才能使预测结果更为精准。该文提出一种基于天气预报的改进BP神经网模型来预测供热系统的短期热负荷。在Matlab平台上通过API接口调用天气预报中的温度值,作为神经网路的一部分输入,和数据库中的热负荷值一起,同时进行网络训练,并考虑一些不确定干扰因素。实验表明,加入天气预报的神经网络模型使热负荷预测达到了更为精准的效果。(本文来源于《自动化与仪表》期刊2015年05期）
李晶[3]（2014）在《基于测量序列的在线滚动短期电力负荷预报方法研究》一文中研究指出电力负荷预报是电力系统的重要工作之一,电力负荷预报的准确与否直接关系到一个地区经济的发展情况,电力负荷预报工作的合理有序进行是保证一个地区发展的根基;近年来,电力负荷预报逐渐引起人们的重视,无论是从能源的角度还是城市建设的层面上,电力负荷预报的精确与否都对整个社会有着非常大的影响,因此如何提高电力负荷预报的精度是十分重要的课题。电力系统的研究对象的是十分复杂的,不同地区之间存在差异,相同地区不同产业之间差距也很大,如何兼融这些影响因素尽最大可能提高电力负荷的预报精度是要研究的主要问题,此问题的有效解决是对供电系统合理分配电力起着至关重要的作用;各个电厂的任务分配,如何能使电网系统利益最大化,是电力负荷预报研究的目的所在。本文的研究重点是短期电力负荷时间序列的预报,针对短期电力负荷时间序列进行研究,通过对历史数据的分析,建立短期电力负荷预报模型,包括基于最小二乘的在线滚动自适应AR模型、基于灰色理论的GM(1,1)模型和基于Kalman滤波的在线滚动Volterra核估计模型。通过分析短期电力负荷时间序列的特性,在最小二乘预报方法基础上,提出了加权最小二乘预报算法,对方差的最小二乘估计进行加权,通过最小二乘的加权估计重新建立模型;在加权最小二乘理论的基础上,提出在线滚动预报模型,对模型的参数进行在线滚动修正。仿真结果证明在线滚动最小二乘在保证系统实时性的同时,提高了系统预报的精度。灰色理论常被用在中长期预报中,本文将灰色理论应用到短期的日负荷预报中,对数据进行累加生成,建立GM(1,1)模型,对短期电力负荷时间序列进行预报;同时提出基于GM(1,1)模型的改进模型,通过对初始数据处理,重新生成系统模型。提高了系统预报精度,适于对小数据量情况进行预报。在卡尔曼滤波理论的基础上,建立了基于卡尔曼滤波算法的AR模型,及基于卡尔曼滤波理论的Volterra核估计模型,对短期电力负荷进行预报,在此基础上,提出基于卡尔曼滤波理论的在线滚动Volterra核估计预报模型。基于Kalman滤波的在线滚动Volterra核估计比前两者的预报精度有了明显提高,在实时性和精度上都优于前两种建模方法。在线滚动体现了系统的实时性,是短期电力负荷预报发展研究的重要方向。(本文来源于《哈尔滨工程大学》期刊2014-12-01）
王桓[4]（2010）在《一种应用BP神经网络的混沌短期电力负荷预报方法》一文中研究指出文章结合混沌理论及BP神经网络方法,提出了一种非线性时间序列预测算法。该方法基于相空间重构理论,将单维电力负荷时间序列映射到高维相空间中,并采用BP神经网络作为高维相空间拟合工具,通过算例的验证,证明了该方法具有较高的预测精度。(本文来源于《企业技术开发》期刊2010年17期）
赵兵[5]（2009）在《超短期负荷预报在负荷管理终端中的应用》一文中研究指出该文首先介绍负荷预测理论应用到负荷管理终端中的可行性和必要性,然后对牛顿插值理论进行了描述,并结合实例用该方法对所监控用户负荷进行超短期预报且对结果进行了计算分析,最后证明该方法从工程实用和精度考虑能基本满足实际需要。(本文来源于《农村电气化》期刊2009年02期）
林志玲,李鸿儒[6]（2007）在《基于自评判自学习机制的短期电力负荷预报》一文中研究指出以RBF神经网络为基础,提出了一种具有自评判自学习能力的短期电力负荷预报方案,该方案包含预报器、评估器、探测器和学习机四个组成部分。预报器用来预测未来时段的电力负荷,评估器用来对预报结果进行评估,探测器用来确定预报的有效步长,学习机用于预报器的自我学习。预报器根据评估结果通过学习机制能够自动适应电力负荷的变化,从而保持一种良好的预报状态。仿真实验表明该方法在电力负荷规律不明确的环境下预报精度比传统方法高。(本文来源于《系统仿真学报》期刊2007年23期）
刘瑞叶,龙志刚[7]（2007）在《小波熵及小波变换的短期负荷预报》一文中研究指出基于小波分解理论,借助db8小波函数,对历史数据进行尺度为3的静态离散小波变换,并将小波熵引入到电力负荷预报工作中,用于处理电力负荷的历史数据.选取一定小波熵阈值,识别出历史数据中的非正常数据,可以提高负荷预测的准确性.对于各个分解尺度的小波系数分别进行预测,通过小波重构,得到预测值.预测结果表明,这种方法具较高预测精确度及适应性.(本文来源于《哈尔滨理工大学学报》期刊2007年04期）
成涛[8]（2006）在《体感温度滚动预报系统及在湖南电网短期负荷预测中的应用》一文中研究指出对影响局部地区气温变化的10多个因子作了较为详尽的分析研究,通过对湖南不同地理位置有代表性的气象观测资料的分析对比,找出了湖南不同地点的主要温敏因子,最终建立了湖南14个地市的48 h气温及体感温度滚动预报系统,其产品可及时输入湖南电力短期负荷预测系统,对提高预测准确率起到重要作用。(本文来源于《湖南电力》期刊2006年06期）
杜杰,陆金桂,曹一家[9]（2006）在《短期负荷预测最大Lyapunov指数预报模式预测值的判定》一文中研究指出首先分析了相空间中混沌吸引子邻近轨道间的平行、交叉、折迭3种拓扑关系,根据负荷吸引子的特点提出了负荷时序最大Lyapunov指数预报模式预测值的判定依据,并探讨了相空间中临近点(轨道)的选择方法。仿真试验表明改进的负荷预测建模策略避免了原有Lyapunov指数预报模式预测值选择的盲目性,吸引子临近点的选择符合电力负荷数据的特点,所建立的短期负荷预测模型提高了预测精度并达到了预期效果。(本文来源于《电网技术》期刊2006年20期）
赵希人,彭秀艳,姜广宇[10]（2006）在《基于神经网络方法的大型电网短期负荷预报》一文中研究指出电力系统负荷预报研究现状,介绍了神经网络方法应用于电力系统短期负荷预报的可行性及存在的问题。详细讨论了应用BP神经网络、共轭梯度算法改进BP神经网络方法进行电力系统短期负荷预报的算法,及在预报过程中对电网负荷数据进行预处理方法。分别应用二种方法对东北电力系统进行了72小时短期负荷预报仿真。仿真结果表明,BP神经网络训练时间长,预报精度低;而共轭梯度算法改进BP神经网络算法训练步数大大减小,缩短了网络训练时间,而且提高了预报精度。该方法可行,可用于电力系统短期负荷在线预报。(本文来源于《系统仿真学报》期刊2006年06期）
短期负荷预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
短期热负荷预测对于城市集中供热系统的安全经济运行有着重要的作用,提高预测的精度是广大学者研究的首要任务。长期以来,研究者尝试了多种不同类型的神经网络对短期热负荷进行预测。由于集中供热系统的热负荷受外界温度等因素的影响较大,因而在进行神经网络建模时考虑天气因素才能使预测结果更为精准。该文提出一种基于天气预报的改进BP神经网模型来预测供热系统的短期热负荷。在Matlab平台上通过API接口调用天气预报中的温度值,作为神经网路的一部分输入,和数据库中的热负荷值一起,同时进行网络训练,并考虑一些不确定干扰因素。实验表明,加入天气预报的神经网络模型使热负荷预测达到了更为精准的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
短期负荷预报论文参考文献
[1].马克森.基于神经模糊网络和小波理论的电力系统短期负荷预报研究[D].兰州交通大学.2016
[2].李琦,韩颖.基于天气预报的集中供热系统短期热负荷预测[J].自动化与仪表.2015
[3].李晶.基于测量序列的在线滚动短期电力负荷预报方法研究[D].哈尔滨工程大学.2014
[4].王桓.一种应用BP神经网络的混沌短期电力负荷预报方法[J].企业技术开发.2010
[5].赵兵.超短期负荷预报在负荷管理终端中的应用[J].农村电气化.2009
[6].林志玲,李鸿儒.基于自评判自学习机制的短期电力负荷预报[J].系统仿真学报.2007
[7].刘瑞叶,龙志刚.小波熵及小波变换的短期负荷预报[J].哈尔滨理工大学学报.2007
[8].成涛.体感温度滚动预报系统及在湖南电网短期负荷预测中的应用[J].湖南电力.2006
[9].杜杰,陆金桂,曹一家.短期负荷预测最大Lyapunov指数预报模式预测值的判定[J].电网技术.2006
[10].赵希人,彭秀艳,姜广宇.基于神经网络方法的大型电网短期负荷预报[J].系统仿真学报.2006