论文部分内容阅读
中长期电力负荷预测是电力系统规划和电网安全运行的重要内容和基础,电力负荷的变化受到很多因素制约,这些制约关系难以定性描述,它不仅受到地区GDP、产业结构及人口总量等的影响,而且天气变化、地区政策也会直接影响到电力负荷的预测结果。针对负荷影响因素的复杂性和不确定性,论文依据某地区1990-2009年全社会用电量及相关经济历史数据,使用多种预测方法进行预测,并与2010-2013年度用电量进行误差对比。最终建立基于灰色与神经网络的组合模型,得到的预测误差仅为0.3475%,实现对该地区的中长期电力负荷的最优预测。 本文的主要工作如下: 1)阐述了中长期电力负荷预测的国内外研究现状,确定本文要选取的几种预测方法:传统预测方法中选择多元线性回归模型进行分析(见第三章),现代预测方法中选择灰色模型、神经网络模型以及组合模型进行分析(见第四章); 2)对传统预测方法进行研究,利用SPSS建立多元线性回归模型,岭回归法编程嵌入SPSS来削弱多重共线性,对比使用岭回归前后的预测误差,改进的多元线性回归模型的误差为7.826%,明显削弱多重共线性; 3)深入研究现代预测方法,分别学习灰色GM(1,1)模型和BP神经网络模型。针对灰色GM(1,1)模型,选择样本长度为10年历史负荷数据,得到的灰色模型预测误差为1.335%;针对BP神经网络,确定隐含层的数目为4,建立4-4-1的神经网络模型,得到的预测误差为0.652%; 4)学习组合预测模型如何建立,以及模型中权重的计算方法,建立灰色与神经网络的组合预测模型,预测误差仅为0.3475%; 5)利用最基本的平均误差对各个预测模型进行对比,验证了组合模型优越性和有效性,最后展望2014-2018年的用电负荷。