导读:本文包含了电网短期负荷预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,电网,向量,神经网络,算法,小二,模型。
电网短期负荷预测论文文献综述
唐菁敏,马含[1]（2019）在《基于混沌粒子群优化的微电网短期负荷预测》一文中研究指出针对粒子群算法(Particle Swarm Optimization,PSO)优化最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)时存在非最优解问题,提出了一种基于混沌理论(Chaos theory)的粒子群优化LSSVM参数的短期负荷预测的方法.该预测模型首先引入混沌理论,对粒子群算法加以改进;然后让结合混沌理论的PSO对LSSVM回归估计进行参数优化,得到CPSO-LSSVM;最后将该方法应用于短期负荷预测,通过Matlab仿真训练得到预测结果.仿真实验结果表明该方法不仅可以降低算法陷入局部极值的可能性,还提高了学习能力,从而提高了预测的精准度.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
宋来森,王哲,张国营,王瑞,代兵琪[2]（2019）在《基于云计算的智能电网短期负荷预测》一文中研究指出随着智能电网的迅速发展,太阳能、风能等分布式电源大量接入电网,给传统电网带来巨大的挑战。智能电网中新技术的采用会对提高负荷预测精度有所帮助。为了适应智能电网,短期负荷预测技术需要与时偕行。提出了基于云计算的智能电网短期负荷预测系统,采用云计算技术对负荷预测系统加以改进,在预测速度与精度两个方面都有所改善。(本文来源于《电世界》期刊2019年11期）
李培强,丰云鹤,李欣然,谭庄熙,羊博[3]（2019）在《考虑超短期负荷预测的储能电池参与电网一次调频控制策略》一文中研究指出考虑电力系统调频效果和储能容量,提出一种储能参与电网一次调频的出力策略。通过超短期负荷预测曲线得到调频需求,提出了基于双层模糊控制的动态荷电状态(SOC)基准储能容量恢复策略,并给出了储能电池参与一次调频的效果评价指标与储能SOC健康度评价指标。最后,以典型区域电网为例,对所提策略在2种典型工况下进行仿真分析并与常规控制策略比较。结果表明,所提策略能够有效改善调频效果和储能SOC健康状态。(本文来源于《电力系统自动化》期刊2019年19期）
王程斯,赵少东[4]（2019）在《区分待预测日的城市电网短期负荷预测方法研究》一文中研究指出为了解决城市配电网电力负荷因规律复杂而难以有效预测的问题,本文提出了一种区分待预测日的城市电网短期负荷预测方法,根据待预测日的特征信息从历史负荷数据集中识别出相似日,建立9个基本负荷预测模型,将其负荷预测结果进行组合并比较,选择出待预测日最优组合模型的负荷预测值。为了验证这一方法的有效性,选取了6个专变用户对其未来200多天的负荷进行预测分析,其结果表明该方法具有较高的预测精度和更强的适应能力。(本文来源于《自动化与仪器仪表》期刊2019年06期）
王妍,王雪飞[5]（2019）在《智能电网短期负荷预测的研究》一文中研究指出基于灰色系统的理论研究方向,建立智能电网短期负荷预测模型,将负荷预测的关键性评价指标——平均绝对百分误差(MAPE)通过采用粒子群优化PSO计算方法,通过优选实验模型中的阶数和背景参数实现预测和实际运行曲线逐步靠近甚至重合的结果。为达到模型预测的高精度,再通过运用"马尔科夫过程"进一步对原先预测的残值数差进行修正,实现智能电网中短期负荷预测。(本文来源于《仪器仪表用户》期刊2019年06期）
程伟[6]（2019）在《基于神经网络的微电网光伏发电及负荷短期预测研究》一文中研究指出由于微电网光伏发电功率的间歇性与随机性和用电负荷的波动性会对微电网系统的稳定运行造成较大影响,使得微电网发电端与用电端之间的能量交换变得异常复杂。为保障微电网的安全稳定运行与用户的正常生产生活,对光伏发电功率及负荷进行精确可靠的短期预测具有重要的现实意义。在微电网光伏发电短期预测方面,本文设计了基于相似日优化的长短期记忆(Long-Short Term Memory,LSTM)神经网络光伏发电短期预测模型。首先,对微电网光伏发电特性进行了有效分析并对其影响因素作了充分论证。其次,为提高不同天气类型下(晴、阴、雨天)的光伏发电功率的预测精度,本文基于K-Means聚类算法设计了相似日筛选模型。最后,实现了基于LSTM神经网络的微电网光伏发电短期预测模型,对未来24、48、72小时不同天气类型下的光伏发电功率进行了多尺度、高分辨率的短期预测。在微电网负荷短期预测方面,本文设计了基于相似类型日优化的LSTM神经网络负荷短期预测模型。首先,对微电网典型日、周负荷曲线特性进行了分析并对影响用电负荷的气象因素、日类型进行了量化。其次,设计了相似类型日筛选模型,将初始数据集划分为工作日训练集与休息日训练集。最后,实现了基于LSTM神经网络的微电网负荷短期预测模型,对未来24、48、72小时的工作日与休息日的用电负荷进行了较为全面的预测。通过国标规定的评价指标对上述预测结果进行对比分析,本文所述预测方法的预测结果均满足国标要求。本文光伏发电短期预测结果的平均绝对误差(Mean Absolute Error,MAE)达到了 7.14%,负荷短期预测结果的绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到了 1.75%,相较研究领域内常用的误差逆传播(Back Propagation,BP)神经网络算法的预测精度分别提高了 6.45%与1.12%。本文所述预测方法对微电网光伏发电及负荷短期预测具有重要的应用价值。(本文来源于《山东大学》期刊2019-05-19）
聂晓羽[7]（2019）在《安阳电网短期负荷预测的研究》一文中研究指出电力负荷是一个地区电网正常运行的关键,是一个地方经济发展的命脉。对于电网而言,负荷预测是整个电网系统调度以及规划的重要组成部分,及时准确的预测电网短期负荷能够确保电网正常的运行,确保地区生产生活的稳定。随着我国经济的快速发展,城市地区对于电力的需求越来越大,电网结构愈加复杂,负荷性质愈加多变。建立合理的电网短期负荷预测模型,有利于提高电网运行的效率,改善电网供电能力。本文对电力负荷预测的传统方法和智能预测方法进行了综述。在电网短期负荷预测模型的建立过程中,需要正确全面的认识影响电网负荷的各种因素。为此收集了安阳地区的经济社会发展情况、历史电网负荷数据、电网基础数据,分析了安阳地区的用电结构和负荷特性。充分考虑了天气因素、人口因素、突发因素以及时间因素等,通过神经网络模型,建立起来一个准确的安阳电网短期负荷预测模型。为了得到理想的预测效果,提高模型的预测精度和适用性,本文做了以下工作:(1)对历史电网负荷数据进行异常数据处理,对负荷数据和各项影响因素进行归一化处理。(2)确定合适的神经网络模型拓扑结构和参数,通过不断的模型学习,不断的将一些数据进行校准,得到一些没有异常的数据点,这样通过比较预测值与实际值之间的差别,选择性的进行模型改进,不断的提高模型的预测准确性。(3)为了尽量实现快速预测,提高预测效率,对神经网络模型的各个节点的数据进行并行化。通过实验验证,发现该模型软件准确度符合的预期,可以使用在安阳电网短期负荷预测分析上。(本文来源于《郑州大学》期刊2019-05-01）
李云飞,张鹏,程鹏飞,范传忠,程硕[8]（2019）在《大数据挖掘下冲击性负荷特性电网短期负荷预测的探索与实践》一文中研究指出针对抚顺地区冲击性负荷占地区总负荷比重较大,而地区总负荷冲击特性明显时,有可能引起系统频率的连续振荡以及电压摆动的情况,就如何提高地区电网短期负荷预测精确度进行探索和相关的实践,改善冲击性负荷预测和预处理的准确程度,以期望能够合理经济调度、降低生产成本、保障电网安全,该文提出了大数据挖掘下冲击性负荷特性电网短期负荷预测方法,经测试在抚顺电网取得很好的效果,改善了冲击性负荷特性下本地区电网负荷曲线波动大且规律性不强导致短期负荷预测准确率下降的问题,可以为当前公司负荷预测工作提供方向思路和指导建议,这种方法同样适用于葫芦岛市等其他具有冲击负荷特性的地区电网短期负荷预测,改善当地负荷短期预测水平。(本文来源于《电力大数据》期刊2019年04期）
马玉鑫[9]（2019）在《基于LPP-LSSVM的微电网超短期负荷预测算法》一文中研究指出为了解决负荷数据非高斯、高维度影响预测模型精度的问题,提出一种基于局部保持投影-最小二乘支持向量机(LPP-LSSVM)的微电网超短期负荷预测算法。在这一算法中,根据负荷数据的时序相关性,以及天气、温度等因素,选取相似日组成训练数据集,利用局部保持投影进行特征提取,然后利用最小二乘支持向量机训练超短期负荷预测模型。通过对上海某公司微电网示范工程中实际运行负荷进行试验,确认所提出算法的有效性。(本文来源于《上海电气技术》期刊2019年01期）
汪威为,陈超洋[10]（2019）在《智能电网背景下的大数据处理与短期负荷预测综述》一文中研究指出文章简单介绍了现代大数据和电力系统的短期负荷预测两种技术,分析了智能电网中大数据的特点及应用,探讨了大数据在智能电网运行和调度上发挥的作用,并研究分析了智能电网中大数据的发展。然后论述了现代短期负荷预测的特点及影响其预测精度的相关因素,进一步综合了解各种预测方法的原理,相对地将优点和不足之处进行分析比较。最后简述了大数据处理与短期负荷预测的关系并分析了大数据处理在短期负荷预测中的作用。(本文来源于《无线互联科技》期刊2019年05期）
电网短期负荷预测论文开题报告
（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：
随着智能电网的迅速发展,太阳能、风能等分布式电源大量接入电网,给传统电网带来巨大的挑战。智能电网中新技术的采用会对提高负荷预测精度有所帮助。为了适应智能电网,短期负荷预测技术需要与时偕行。提出了基于云计算的智能电网短期负荷预测系统,采用云计算技术对负荷预测系统加以改进,在预测速度与精度两个方面都有所改善。
（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。
电网短期负荷预测论文参考文献
[1].唐菁敏,马含.基于混沌粒子群优化的微电网短期负荷预测[J].云南大学学报(自然科学版).2019
[2].宋来森,王哲,张国营,王瑞,代兵琪.基于云计算的智能电网短期负荷预测[J].电世界.2019
[3].李培强,丰云鹤,李欣然,谭庄熙,羊博.考虑超短期负荷预测的储能电池参与电网一次调频控制策略[J].电力系统自动化.2019
[4].王程斯,赵少东.区分待预测日的城市电网短期负荷预测方法研究[J].自动化与仪器仪表.2019
[5].王妍,王雪飞.智能电网短期负荷预测的研究[J].仪器仪表用户.2019
[6].程伟.基于神经网络的微电网光伏发电及负荷短期预测研究[D].山东大学.2019
[7].聂晓羽.安阳电网短期负荷预测的研究[D].郑州大学.2019
[8].李云飞,张鹏,程鹏飞,范传忠,程硕.大数据挖掘下冲击性负荷特性电网短期负荷预测的探索与实践[J].电力大数据.2019
[9].马玉鑫.基于LPP-LSSVM的微电网超短期负荷预测算法[J].上海电气技术.2019
[10].汪威为,陈超洋.智能电网背景下的大数据处理与短期负荷预测综述[J].无线互联科技.2019
论文知识图
