基于人工智能的秦皇岛电网夏季电力日负荷预测

作     者：刘华德 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：刘达

授予年度：2018年

学科分类：0202[经济学-应用经济学] 02[经济学] 020205[经济学-产业经济学] 

主      题：电网调度 日负荷预测 相似日 人工神经网络 

摘      要：电能是一种广泛使用的能源形式,随着“两个替代(在能源的开发上实现清洁替代,在能源的利用上实现电能替代)的不断推进,电能将在能源安全中扮演更重要的角色。电能以光速传播,在大规模储电技术得以突破前,电力的发、输、变、配和用五个环节必须实时平衡,其中用电环节即电力负荷是其他四个环节调整出力的依据。在现有电网规模下,电网对负荷的承载能力是一个定值,电力负荷是一个跟随时间序列的变值。当高峰负荷超过电网承载能力时,电网调度部门就必须采取错避峰和停限电措施。在缺乏负荷预测数据的支持下,这种措施往往是紧急的,被限制用电的电力用户一般来不及做出妥善的应对,往往造成较大的经济损失。因此对电力负荷高峰的准确预测具有很强的实际意义。本文阐述了电力日负荷预测的研究背景及意义,并对国内外关于电力日负荷预测的各种方法进行总结。对秦皇岛电网的运行情况、总体负荷曲线特征和典型分类负荷曲线特征进行了详细分析,并对电力负荷的影响因素进行了详细分析。气象要素是影响电力负荷的重要因素,夏季的秦皇岛电网负荷具有很强的气象敏感性。在夏季,气象因素最终是通过影响人体舒适度来影响电力负荷,因此可以用人体舒适度指数来替代温度、湿度和风速作为负荷预测的要素。本文将人体舒适度指数、日期类型和预测日前几日平均负荷作为选择相似日的条件,将改进的粒子群算法作为相似日的选择方法。人工神经网络具备强大的非线性处理能力,特别适合短期负荷预测。本文用改进的BP神经网络建立电力负荷预测模型,并将相似日的负荷数据、人体舒适度指数和预测日前5日的负荷作为预测模型的输入,使训练集具有足够高的典型性和精度,从而提高人工神经网络的学习效率,提高学习精度,建立更加高效、准确的预测模型。最后,在电力日负荷预测的基础上,本文结合工作实际,对秦皇岛电网调度运行工作提出了建议,阐述了对电力营销部门错避峰售电的指导意义。