1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写

2000字左右的文献综述：

文 献 综 述

摘#160; 要

随着我国区域性电力市场的逐步建立和完善，电网负荷预测工作将在电力市场运营中占据十分重要的地位。国内外的许多专家、学者在预测理论和方法方面做了大量的研究工作，取得了很多卓有成效的进展。目前用于短期负荷预测的方法很多，可以分为经典预测方法、传统预测方法和智能预测方法等。经典方法有回归分析法和时间序列法；传统方法有卡尔曼滤波法、指数平滑法、灰色预测法、小波分析法；智能预测法有专家系统法、人工神经网络法。

电力系统短期发电计划是在一个调度周期内，根据负荷预报，在满足负荷需求和机组安全、启停机限制的约束条件下，优化选定各时段参加运行的机组，决定机组开停时间及其出力情况，使整个机组在周期内的总消耗为最小。

关键字：短期负荷预测；机组组合；最优潮流；回归分析；时间序列分析；人工神经元网络

#160;

一．课题目的和意义

电力系统负荷预测主要用于电力系统规划和制定发电计划，还可以用于进行系统充裕性评估、发电合同制定、合同电量分配、电价预测、预调度和实时调度等工作，从而提高系统运行的经济性和可靠性。

随着工农业的发展、人民生活水平的日益提高，社会对电力的需求量越来越大。为了满足日益增大的电力需求量，必须不断扩大电力系统的规模。由于电力工业的发展需要巨大的投资和一次能源，而且对国民经济其它部门有巨大的影响，合理的电力系统规划不仅可以获得巨大的经济效益，也能获得巨大的社会效益。相反，电力系统规划的失误会给国家建设带来不可弥补的损失。所以对电力规划进行分析研究，以求得最大限度提高规划质量，具有重大的意义，而实现这一目标的第一步就是作好电力负荷预测。电力负荷预测的准确程度直接影响到投资、网络布局和运行的合理性。

准确的电力负荷预测，是电力企业电网管理现代化、科学化提供依据，电力系统负荷预测对电力系统控制、运行起着十分重要的作用，也是电网规划的前提与基础。准确可靠的负荷预测能保证电力系统运行的安全性，又可提高电力运行的经济性。

二．研究现状

电力负荷预测是在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，确定未来某特定时刻的负荷数值。它包括对未来需求量的预测和未来用电量的预测，基本预测方法主要有四种：长期负荷预测、中期负荷预测、短期负荷预测、超短期负荷预测。由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，所以负荷预测工作所研究的对象是不肯定事件。这就使负荷预测具有不准确性、条件性、时间性、多方案性的特点。

短期负荷预测是负荷预测的重要组成部分，它主要用于预报未来几小时、一天至几天的电力负荷，对于调度安排开停机计划、机组最优组合、最优潮流、电力市场交易有着重要的意义。负荷预测精度越高，越有利于提高发电设备的利用率和经济调度的有效性。负荷预测的核心问题是预测的数学模型，随着现代科学技术的不断进步，负荷预测理论技术得到很大发展，理论研究逐步深入，为了找到使用方便、准确度高、计算快的负荷预测方法，许多人在理论和实践上进行了广泛的研究和探讨。如各种基于神经网络、灰色理论、分形的方法。不同地区的负荷特性不尽相同，因此，生产实践中应根据实际情况采用适当的负荷预测方法。

中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。

长期负荷长期负荷预测是指未来3～5年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民经济发展、国家政策等的影响。

负荷预测工作的关键在于收集大量的历史数据，建立科学有效的预测模型，采用有效的算法，以历史数据为基础，进行大量试验性研究，总结经验，不断修正模型和算法，以真正反映负荷变化规律。

（1）调查和选择历史负荷数据资料

多方面调查收集资料，包括电力企业内部资料和外部资料，从众多的资料中挑选出有用的一小部分，即把资料浓缩到最小量。挑选资料时的标准要直接、可靠并且是最新的资料。如果资料的收集和选择得不好，会直接影响负荷预测的质量。

（2）历史资料的整理

一般来说，由于预测的质量不会超过所用资料的质量，所以要对所收集的与负荷有关的统计资料进行审核和必要的加工整理，来保证资料的质量，从而为保证预测质量打下基础，即要注意资料的完整无缺，数字准确无误，反映的都是正常状态下的水平，资料中没有异常的"分离项"，还要注意资料的补缺，并对不可靠的资料加以核实调整。

（3）对负荷数据的预处理

在经过初步整理之后，还要对所用资料进行数据分析预处理，即对历史资料中的异常值的平稳化以及缺失数据的补遗，针对异常数据，主要采用水平处理、垂直处理方法。

数据的水平处理即在进行分析数据时，将前后两个时间的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；数据的垂直处理即在负荷数据预处理时考虑其24h的小周期，即认为不同日期的同一时刻的负荷应该具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正，为待处理数据的最近几天该时刻的负荷平均值。

（4）建立负荷预测模型

负荷预测模型是统计资料轨迹的概括，预测模型是多种多样的，因此，对于具体资料要选择恰当的预测模型，这是负荷预测过程中至关重要的一步。当由于模型选择不当而造成预测误差过大时，就需要改换模型，必要时，还可同时采用几种数学模型进行运算，以便对比、选择。

在选择适当的预测技术后，建立负荷预测数学模型，进行预测工作。由于从已掌握的发展变化规律，并不能代表将来的变化规律，所以要对影响预测对象的新因素进行分析，对预测模型进行恰当的修正后确定预测值。

电力负荷的变化一方面有其不确定性，明显受到各种环境因素的影响：如气候的变化、意外事故的发生等造成对电力负荷的随机性干扰，这使得负荷时间序列的变化出现非平稳的随机过程；另一方面，在一定条件下电力负荷存在着明显的变化趋势，具有明显的周期性，一旦找到了负荷的变化趋势，按照该变化趋势就能对未来负荷情况作出判断，这就是趋势外推预测技术。一般是在考虑天气因素影响的情况下，把历史负荷线性外推来进行预测，在考虑天气因素对负荷的影响时，因为实际上天气因素和负荷的关系是复杂的非线性关系，精确地考虑非常困难，大多情况都采用简化的模型。ANN(人工神经元网络)适于解决时间序列预测问题，一经引入电力系统，负荷预测就成为其应用研究的一个主要领域。到目前为止，ANN主要应用于短期负荷预测。用ANN进行电力系统的负荷预测，采用的是BP模型，研究用不同的特征量预测不同的负荷。

经典预测方法

（1）趋势外推法

就是根据负荷的变化趋势对未来负荷情况作出预测。电力负荷虽然具有随机性和不确定性，但在一定条件下，仍存在着明显的变化趋势，例如农业用电，在气候条件变化较小的冬季，日用电量相对稳定，表现为较平稳的变化趋势。这种变化趋势可为线性或非线性，周期性或非周期性等等。

（2）时间序列法

时间序列法是一种最为常见的短期负荷预测方法，它是针对整个观测序列呈现出的某种随机过程的特性，去建立和估计产生实际序列的随机过程的模型，然后用这些模型去进行预测。它利用了电力负荷变动的惯性特征和时间上的延续性，通过对历史数据时间序列的分析处理，确定其基本特征和变化规律，预测未来负荷。

时间序列预测方法可分为确定型和随机性两类，确定型时间序列作为模型残差用于估计预测区间的大小。随机型时间序列预测模型可以看作一个线性滤波器。根据线性滤波器的特性，时间序列可划为自回归(AR)、动平均(MA)、自回归-动平均(ARMA)、累计式自回归-动平均(ARIMA)、传递函数(TF)几类模型，其负荷预测过程一般分为模型识别、模型参数估计、模型检验、负荷预测、精度检验预测值修正5个阶段。

三．课题主要工作

3.1负荷预测

对电力负荷进行科学预测，基本流程如下：

1.确定负荷预测目的，制订预测计划

2.调查资料和选择资料

3.资料整理

4.对资料的初步分析

5.建立预测模型

6.综合分析，确定预测结果

7.编写预测报告，交付使用

8.负荷预测管理

现给出某一年的历史负荷数据，数据包括每天该节点的有功负荷、对应各日的最高温度与最低温度，根据这些资料用基于温度准则的外推方法对未来一年内内该节点的负荷变化曲线进行预测。

3.2经济调度

对于一年365天来说，负荷是变化的，针对不同时段负荷，应有不同的机组组合方式。由于这些组合方式之间的转移存在附加费用及转移中的约束，所以不应按各个时段的负荷水平孤立寻求最优组合方式，而是要从365天的整体决策中寻求各机组的启动及停用的时间，即机组的开停计划。如果系统总负荷小于在线运行机组有功输出功率最小值之和，则必须使一部分处于运行状态的机组退出运行；如果系统总负荷大于在线机组有功输出功率最大值之和，则必须使一部分处于停运状态的机组投入运行，这种考虑了机组投入、退出运行影响的有功优化问题即为机组组合问题。

计算机组组合的方法主要包括优先级表法、割平面法、分支定界法、动态规划法、拉格朗日松弛法以及各种不确定优化算法。动态优化调度也是一个涉及多个运行时段的问题，在很多时候，其作为机组组合的一个子问题出现，而大多数的机组组合算法中都含有某种动态优化调度算法用于计算机组启停状态确定下的负荷分配。

3.3潮流计算

传统的潮流计算方法，可以认为是对于一定扰动变量，即负荷变量，在约定控制变量发电机出力及节点电压模值的情况下，求出相应的状态变量节点电压值，也可以称为是基本潮流。因此给定不同的控制变量将解得不同的状态变量，也就是不同运行方式的潮流状态。为了对系统运行的优化，有必要在众多的潮流状态中选择某种性能指标为最优的方案，从而得到优化潮流。电力系统运行时有三个基本要求，即保证可靠的持续供电、保证良好的电能质量及保证系统运行的经济性。随着电力系统规模的发展壮大，电力系统运行的安全性问题被提到了一个新的高度。

最优潮流把电力系统经济调度和潮流计算有机的融合在一起。即以潮流方程为基础，进行经济与安全、有功与无功的全面优化。从数学的角度看最优潮流是一个大型的多约束非线性规划问题。最优潮流问题可描述为在满足等式约束（潮流方程）和不等式约束（安全限制）的条件下，求得一组控制变量和状态变量的值，使系统的目标函数达到最优。

准确的电力负荷预测是电力企业电网管理现代化、科学化提供依据，电力系统负荷预测对电力系统控制、运行起着十分重要的作用，也是电网规划的前提与基础。准确可靠的负荷预测能保证电力系统运行的安全性，又可提高电力运行的经济性。最优潮流是一种同时考虑安全性和经济性的分析方法，因此它在电力系统安全运行、经济调度、电网规划、电力系统可靠性分析、电力市场环境下的电力系统运行等方面都得到了广泛的应用。

目前，国内外中长期负荷预测的方法有：分产业产值单耗法、分部门预测法、电力弹性系数法、分区负荷密度法、实现序列法、相关分析法、人均电量指标换算法、回归分析法、专家系统预测法等。

#160;

#160;

参考文献

[1]#160;#160;#160;#160;#160;#160; 倪以信. 动态电力系统理论和分析[M]. 北京: 清华大学出版社, 2002.

[2]#160;#160;#160;#160;#160;#160; 康重庆, 夏清, 刘梅. 电力系统负荷预测[M]. 北京: 中国电力出版社, 2007.

[3]#160;#160;#160;#160;#160;#160; 牛东晓. 电力负荷预测技术及其应用[M]. 北京: 中国电力出版社, 2009.

[4]#160;#160;#160;#160;#160;#160; 赵希正. 中国电力负荷特性分析与预测[M]. 北京: 中国电力出版社, 2002.

[5]#160;#160;#160;#160;#160;#160; MOGHRAM I, RAHMAN S. Analysis and evaluation of five short-term load forecasting techniques[J]. IEEE Transactions on Power Systems, 1989, 4(4): 1487-1491.

[6]#160;#160;#160;#160;#160;#160; TAYLOR J W, BUIZZA R. Neural network load forecasting with weather ensemble predictions[J]. IEEE Transactions on Power Systems, 2002, 17(3): 626-632.

[7]#160;#160;#160;#160;#160;#160; HO Kun Long, HU Yuan Yin, et al. Short term load forecasting of Taiwan power system using a know ledge-based expert system[J]. IEEE Transactions on Power Systems, 1990, 5 (4):1214-1221.

[8]#160;#160;#160;#160;#160;#160; RAHMAN S, BHATNAGAR R. An expert system based algorithm for short term load forecast[J]. IEEE Transactions on Power System, 1988, 3(2): 392-399.

[9]#160;#160;#160;#160;#160;#160; AKIRTZIS A G, THEOCHARIS J B, KIARTZIS S J, et al. Short term load forecasting using fuzzy neural networks [J]. IEEE Transactions on Power Systems, 1995, 10(3): 1518-1524. [1] Moghram l，Ralmmn S．Analysis and Evaluating of Five Short Term Load Forecasting Techniqes[J]．IEEE Trans on Power System,1989,4(4):1484-1491．

[10]#160;#160; [2] Park D C El-Sharkawi M A．Marks J et a1．Electric Load Forecasting Using a Neural Network[J]．IEEE Trans on Power System，1991，6(2)L:442#8212;449．[5] 杨立成.电力系统短期负荷预测方法研究分析[J].企业科技与发展，2010,11（2）：57-58.

[11]#160;#160; [6] 申小玲.电力系统短期负荷预测方法研究[D].天津：天津大学控制理论与控制工程专业，2009.

[12]#160;#160; [7] 高强.电力系统短期负荷预测[D].沈阳：沈阳工业大学，2003.

[13]#160;#160; [8] 石万清.电力系统短期负荷预测技术的研究与实现[D].合肥：合肥工业大学，2005.

[14]#160;#160; [3] 章顺华.电力市场环境下的电力系统短期负荷预测研究[D].南京：南京信息工程学院，2005.

[15]#160;#160; [4] Bakirtzis AG,Petridis V,Kiartzis S J et a1．A Neural Network Short Term Load Forecasting Mode for the Greek Power System[J]．IEEE Trans on Power System，1996，1l(2)：858#8212;863.

[16]#160;#160; 罗治强, 张焰, 朱杰. 中压配电网中长期负荷预测方法研究与应用[J]. 华东电力, 2003, 1:9-13.

[17]#160;#160;#160;#160;#160;#160; 蔡夏, 邢骏. 电力系统负荷预测方法综述[J]. 信息化研究, 2010,36(6): 5-8.