基于神经网络的电力系统负荷预测开题报告

1. 研究目的与意义（文献综述）

电力系统是国民经济的命脉，在各项产业中起支柱性的作用。电力系统的要求是发电安全可靠，保证电能质量。在电力系统中电力调度起着重要的作用，预测电力系统负荷是电力系统运行和分析的基础，决定了电力调度水平的好坏。在电力系统中对未来负荷趋势的预测称之为负荷预测，分为长期负荷预测和短期负荷预测。近年来随着经济的增长、国民生活水平的提高、各产业规模数量的扩大，全国的用电负荷持续增长，使得用电矛盾日益突出，给电力系统带来了很大的挑战。电力系统负荷预测是解决这些问题的关键环节。影响电力负荷预测精确性的因素很多,比如气候变化、人类活动和社会发展等。

我国电力系统朝着智能电网的方向前进，呈现出“大机组、高电压、大电网”的特短板，电网的智能化离不开短期负荷预测。智能电网接入大量分布式电源，使得电力系统越来越复杂。对电力系统进行负荷预测有利于优化能源配置和制定发电计划，保障电力系统安全稳定运行。精确的负荷预测可以对地区电网各时段的负荷进行合理估量，若某时刻发生故障中断电力供应，可以及时提供足够的备用容量。

电力系统的短期负荷预测在国内外已经有了较多的研究，大致可以分为传统方法预测和现代智能方法预测两个发展阶段。传统预测方法例如时间序列法、回归分析法、灰色预测法已经不能满足当代电力系统的发展。智能方法预测中人工神经网络是目前应用最广的方法之一。人工神经网络可以模拟人脑的神经网络进行智能化处理，对大量非精确性、非结构性规律具有自主适应能力，具备信息记忆、自主学习、优化计算和知识推理的特点。

2. 研究的基本内容与方案

短期电力负荷预测有利于电力系统的安全稳定运行，电力系统调度和设备检修需要进行负荷预测。在电力市场中，用电客户购电以及发电厂制定竞价策略都需要了解负荷需求。然而由于当前电力系统日益复杂，负荷预测的不确定性增加。针对这些问题，本文将采用引入遗传算法改进bp神经网络的方法建模以提高电力负荷预测的精度。本文主要研究内容如下：

（1） 数据预处理。在负荷预测数据前，对数据进行预处理会提高负荷预测的精度，分析负荷因素判断负荷类型。本文首先由短期电力负荷数据确定出时间序列变量。然后，对输入层的时间序列及其模型的输出进行归一化处理。

3. 研究计划与安排

2020年3月21日-2020年3月25日 搜集相关资料，研究相关文献

2020年3月26日-2020年4月2日 完成论文第一章

2020年4月3日-2020年4月8日 完成论文第二章

4. 参考文献（12篇以上）

[1]李仪,李目.基于改进神经网络的电力系统短期负荷预测[j].电气传动化,2019,41(03):11-14 34.

[2]邓永生,焦丰顺,张瑞锋,王将平.配电网规划中电力负荷预测方法研究综述[j].电器与能效管理技术,2019(14):1-7.

[3]余波. 短期电力负荷预测方法的研究与应用[d].南昌大学,2018.