基于组合预测法实现短期负荷预测
基于组合预测法实现短期负荷预测(任务书,开题报告,外文翻译,论文18000字,程序代码)
摘 要
当今国民经济快速的发展，电力负荷预测工作水平已成为衡量电力企业是否管理走向现代化的标准之一。在今天的中国电力行业的空前发展下，电源管理已经有了市场，解决电力负荷预测已成为我们面临的艰巨任务的一个重要问题。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。
本文采用一元线性回归模型与神经网络模型组合的预测方法对城市B日负荷进行预测。其中一元线性回归模型采用最小二乘法利用每点的误差平方和最小对负荷曲线进行拟合，由于一元线性回归模型自身的特点使得预测出来的每天同一时刻的负荷具有明显的上升趋势。另一种神经网络模型采用先训练后利用的原理，使输入在网络中逐层传递不断改变连接值最终用来预测下个周期的负荷。神经网络模型具有很高的智能性所得到的预测负荷具有很高的精确度。
本文将在建立基于两种预测结果的组合预测模型基础上采用方差-协方差法，这样所建立的负荷模型更进一步反映负荷的真实特性，提高预测的准确性。 [资料来源：www.doc163.com]
关键字：电力负荷 短期负荷 负荷预测 趋势外推法 神经预测
Based on the combination forecast method to implement short-term load forecasting
Abstract
In the rapid development of today's economy, the level of power load forecasting has become one of the criteria to determine whether the power of enterprise management toward modernization. In today's unprecedented development of China's power industry, power management has had the market to solve the power load forecasting has become an important issue we face daunting task. Short-term load forecasting is the most important power system load forecasting. This article discusses the current research method, including traditional forecasting methods are trend extrapolation, regression analysis method, a new method of forecasting experts predict, neural prediction method.
In this paper, a linear regression model and neural network model to predict the combined daily load of city B to predict. One of the least squares linear regression model using the method using squared error for each point and the minimum load curve fitting, because the linear regression model itself features make the predicted load the same time each day with a clear upward trend. Another neural network model uses the principle of training after the first use, the input layer by layer in the network connection is passed changing values used to predict the ultimate load of the next cycle. Neural network models with high intelligence predicted load obtained with high accuracy. [资料来源：www.doc163.com]
This article will build predictive models based on a combination of variance on the basis of predictions - covariance method, load models created such further reflect the true characteristics of the load, improve forecast accuracy.
Keywords: electric load; short-term load; load forecasting; trend extrapolation; nerve forecast
目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1电力系统负荷预测研究背景及意义 1
1.2电力系统短期负荷预测的特点及原理 2
1.3国内外电力负荷预测的研究发展现状 4
1.4本文做所的工作 7
第二章 一元线性回归模型建立 9
2.1 回归分析理论 9
2.2 一元回归模型 9
2.1.1模型参数设计 10
2.1.2基于最小二乘法的回归模型 10
2.1.3一元线性回归模型预测步骤 11
2.3 算例结果及分析 12
第三章 人工神经网络(ANN)模型模型建立 15
3.1 人工神经网络(ANN) 15
3.2神经网络模型 15
3.2.2 BP学习算法 16
3.2.3 BP算法的批量学习方式 17
3.3 算例结果及分析 20
3.3.1 BP网络的建立 20
3.3.2神经网络预测结果 22
第四章 短期负荷预测组合模型的建立 24
4.1组合预测的概念及意义 24
4.1.1 组合预测的概念 24
4.1.2 组合预测的意义 25
4.2组合预测方法 26
4.2.1等权组合预测 26
4.2.2方差优选组合预测法 26
4.3算例结果及分析 29
第五章 结论与展望 32
致谢 34
参考文献 35
附录 37