导读:本文包含了实时气象因素论文开题报告文献综述及选题提纲参考文献，主要关键词:短期负荷预测,LSSVM,气象因素
实时气象因素论文文献综述
张贲,孙田,史沛然,周煜,罗欣[1]（2019）在《基于实时气象因素和LSSVM的短期负荷预测研究》一文中研究指出电力系统负荷受气象因素的影响很大,为提高负荷预测准确度,提出了基于实时气象因素和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的短期负荷预测模型。短期负荷预测对电网建设、电力市场交易和电力调度等有重要的意义,一直以来都是研究的重点。系统负荷受能源供应、地区经济发展水平、气象因素和日类型等的影响,因此负荷不(本文来源于《电气时代》期刊2019年03期）
李海龙[2]（2015）在《考虑实时气象因素的电力系统短期负荷预测》一文中研究指出电力系统短期负荷预测作为电力调度运行、市场交易的基础,其预测的准确性关乎着电力系统的安全、可靠、经济运行,因此如何提高短期负荷预测的精度是一个国内外学者的关注热点问题。近年来,随着空调、取暖等气象敏感负荷在电力总负荷中所占的比例越来越大,合理计及气象因素对电力负荷的影响并构建高精度负荷预测模型是提高短期负荷预测的关键。本文对电力系统负荷特性进行了分析,按照用电性质对负荷进行了分类并选取了日负荷特性、周负荷特性、月负荷特性等指标来分析负荷特性,将负荷分解成典型分量、气象敏感分量、特别事件分量、随机负荷分量四部分,分析表明气象敏感分量受到温度和湿度影响较大。BP神经网络对非线性、多因素、非连续的复杂问题有着良好的鲁棒性,适用于短期负荷预测建模。详细分析了BP神经网络的基本原理,针对其不足考虑采用动量-自适应学习速率调整算法来快速找到全局最优解,以日负荷24点数据来作为输入向量,设计BP神经网络。对工作日、休息日的预测结果表明BP神经网络在短期负荷预测中取得了满意的预测效果。考虑气象预报温度往往存在误差,提出一种基于灰色系统理论的气象预报温度修正算法。同时考虑温度累积效应会对负荷趋势产生影响,按照之前时段及之前数日温度累积产生的影响对当前预测时段温度进行修正。结合温度、湿度的修正,建立了考虑实时气象因素的多元线性回归预测模型,实际算例表明了该模型能有效提高预测精度。(本文来源于《华北电力大学》期刊2015-06-01）
段涛,罗毅,施琳,朱益华,陈建军[3]（2013）在《计及气象因素的输电线路故障概率的实时评估模型》一文中研究指出输电线路的实时故障概率的计算是进行电力系统在线风险评估以及实时可靠性计算的重要组成部分。为了计算输电线路的实时故障概率值,根据输电线路的绝缘子、导线、避雷器、杆塔、地线的在线监测数据,分别建立了各个监测量的量化模型,采用未确知有理数理论去确定每层的权重系数,并结合模糊评估法,建立了输电线路实时故障概率的层次评估模型。分析南方电网的故障统计数据,恶劣天气已经成为引起输电线路故障的重要因素。在考虑恶劣天气对输电线路故障概率影响的情况下,提出并建立了考虑输电线路在线监测数据和当前气象条件的输电线路故障概率的实时评估模型。实例分析表明了所提出的输电线实时故障概率评估模型的合理性和有效性。(本文来源于《电力系统保护与控制》期刊2013年15期）
胡长洪[4]（2010）在《考虑实时气象因素的短期负荷预测》一文中研究指出电力系统短期负荷预测是电力系统运行调度中一项非常重要的内容,是电力市场的重要组成部分,是电力系统安全、经济、可靠运行的前提和基础。负荷预测精度会直接影响到电力系统的经济效应,因此,如何提高负荷预测水平一直是国内外研究的热点。研究表明,在众多影响因素中,气象因素对电力负荷的影响最为显着。因此,研究气象因素对负荷的影响规律,建立合适的预测模型是提高预测精度的关键。本文首先对杭州地区的负荷特性进行分析,研究了负荷的周期性变化规律,并初步探讨了实时温度、湿度因素对电力负荷影响。接着本文通过对人工神经网络的研究分析,分别以各气象因素、人体舒适度指数和温湿指数为输入,建立了叁个BP神经网络模型,并且采用叁种优化改进算法进行负荷预测。通过比较,最终选择了以温湿指数作为输入,采用有动量和自适应学习速率的梯度下降法建立预测模型。通过预测实例,证明了该方法的高精度性和快速性。在以上研究的基础上,通过对夏季高温期气象敏感负荷与实时温度、湿度的相关性分析,本文提出将温度累积效应对负荷的影响,分为日内温度累积效应和多日温度累积效应两部分进行处理的新思路。并结合对神经网络拟合的气象敏感负荷与温度、湿度的关系曲线的研究分析,建立了基于温度累积效应修正和湿度修正的多元回归预测模型。最后通过对杭州地区2007年8月份的负荷进行预测,证明了该方法能够有效提高预测精度。(本文来源于《浙江大学》期刊2010-01-01）
刘旭,罗滇生,姚建刚,贺辉,张凯[5]（2009）在《基于负荷分解和实时气象因素的短期负荷预测》一文中研究指出根据地区气象与负荷的相关关系,从总负荷中分解出对气象不敏感的基础负荷和受气象因素影响的气象敏感负荷,并分别采用灰色系统GM(1,1)模型和基于LMBP(Levernberg-Marquardt back propagation)算法的多层前馈神经网络对二者进行建模预测。在对实时气象因素、日特征气象因素与气象敏感负荷相关性分析的基础上,重点把握某些气象因素与气象敏感负荷之间的联系。通过合理选择神经网络的输入变量,实现了基于实时气象因素的短期负荷预测。实际应用证明了所提出方法的有效性。(本文来源于《电网技术》期刊2009年12期）
刘旭[6]（2009）在《基于实时气象因素的短期负荷预测方法研究》一文中研究指出电力系统短期负荷预测是电力市场及其技术支持系统的重要组成部分,是电力市场环境下安排调度计划、交易计划的前提和基础,其预测精度关系到整个电力系统的效率、效益和安全性,因此,如何提高负荷预测的精度一直是研究人员关心的热点和难点问题。研究表明,负荷受经济、用电结构、电价、气象等诸多因素的影响。近年来,随着经济的发展和人们生活水平的提高,居民生活用电迅速增长,降温取暖负荷所占比重逐渐增大,且这部分负荷对于气象变化极为敏感,往往天气状况一旦变化,负荷水平随即跟着显着变动,气象因素与负荷的关系问题已经越来越多的引起人们的关注。本文首先对A地区的负荷特性和气候特点进行了分析,提出了适合该地区的负荷分解模型,并将负荷分解成了基础负荷分量、气象敏感负荷分量和随机负荷分量叁部分,其中气象敏感分量极大地受到天气因素的影响。接着本文对总负荷、气象敏感负荷与气象因素的关系进行了研究,研究从日特征气象因素和实时气象因素两个角度进行,并从中提取出了对负荷变化影响最大的日平均温度、日最大湿度和风速等日特征气象因素及实时温度、实时湿度等实时气象因素;针对该地区夏季持续高温的特点,温度对负荷具有一定的累积效应,文中对此也进行了简要的分析;另外,本文提出了依据负荷特性和气象条件来综合选取相似日的方法,该方法能有效避免传统选择方法不够灵活的缺点,在对预测日气象复杂条件下的相似日选取更具方便性。在以上研究的基础上,本文还提出了基于负荷分解和实时气象因素的短期负荷预测方法。借鉴中长期负荷中的灰色系统GM(1,1)模型对基础负荷分量进行预测,对气象敏感负荷分量采用基于Levernberg-Marquardt优化算法的BP神经网络模型进行预测,并通过该地区2007年夏季一个月的负荷预测仿真,证明了本文所提出方法,能够显着提高预测的速度和精度。(本文来源于《湖南大学》期刊2009-04-10）
张凯,姚建刚,李伟,贺辉[7]（2007）在《基于功率谱分解和实时气象因素的短期负荷预测》一文中研究指出提出了基于功率谱分解和实时气象因素的短期负荷预测方法,采用快速傅里叶变换(fast Fourier transform,FFT)对负荷序列进行变换得到功率谱,依据变换结果分析功率谱得出负荷基频、低频和高频分量的频率范围,采用有限脉冲响应(finite impulse response,FIR)滤波器从负荷中分离出各个负荷分量。分析各个负荷分量的特点,针对各个负荷分量分别设计预测模型,对基频分量采用Elman回归神经网络进行预测,这部分较好地反映出基频分量的时间序列特性;对低频和高频分量分别采用自适应线性回归神经网络进行预测,在对这部分分量的预测中重点引入实时气象因素,以利用最新的气象信息提高预测精度。通过在某地区的实际应用证明了所提出方法的有效性。(本文来源于《电网技术》期刊2007年23期）
康重庆,周安石,王鹏,郑广君,刘一[8]（2006）在《短期负荷预测中实时气象因素的影响分析及其处理策略》一文中研究指出短期负荷预测对于电力系统安全经济运行有着重要的作用,因此,人们一直致力于研究新的预测模型,提高预测精度。目前,实现提高预测精度这个目标的关键是如何更加合理地考虑气象因素对负荷的影响,因为气象敏感负荷在总负荷中所所占的比重越来越大。长期以来,鉴于气象部门无法提供实时温度等气象预测结果,电力系统所建立的预测模型绝大多数都是基于日特征气象因素,诸如日最高温度、最低温度等。针对短期负荷预测,作者剖析了气象因素的影响和作用,分析了处理不同阶段气象因素的策略,并提出了考虑实时气象因素的短期负荷预测新模型,该模型基于神经网络,力图寻求温度、湿度等实时气象因素与负荷曲线之间的相关关系和变化规律。实际应用表明,文中的预测模型和处理策略可以得到更加精确的预测结果。此短期负荷预测新模型也适用于超短期负荷预测。(本文来源于《电网技术》期刊2006年07期）
实时气象因素论文开题报告
（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：
电力系统短期负荷预测作为电力调度运行、市场交易的基础,其预测的准确性关乎着电力系统的安全、可靠、经济运行,因此如何提高短期负荷预测的精度是一个国内外学者的关注热点问题。近年来,随着空调、取暖等气象敏感负荷在电力总负荷中所占的比例越来越大,合理计及气象因素对电力负荷的影响并构建高精度负荷预测模型是提高短期负荷预测的关键。本文对电力系统负荷特性进行了分析,按照用电性质对负荷进行了分类并选取了日负荷特性、周负荷特性、月负荷特性等指标来分析负荷特性,将负荷分解成典型分量、气象敏感分量、特别事件分量、随机负荷分量四部分,分析表明气象敏感分量受到温度和湿度影响较大。BP神经网络对非线性、多因素、非连续的复杂问题有着良好的鲁棒性,适用于短期负荷预测建模。详细分析了BP神经网络的基本原理,针对其不足考虑采用动量-自适应学习速率调整算法来快速找到全局最优解,以日负荷24点数据来作为输入向量,设计BP神经网络。对工作日、休息日的预测结果表明BP神经网络在短期负荷预测中取得了满意的预测效果。考虑气象预报温度往往存在误差,提出一种基于灰色系统理论的气象预报温度修正算法。同时考虑温度累积效应会对负荷趋势产生影响,按照之前时段及之前数日温度累积产生的影响对当前预测时段温度进行修正。结合温度、湿度的修正,建立了考虑实时气象因素的多元线性回归预测模型,实际算例表明了该模型能有效提高预测精度。
（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。
实时气象因素论文参考文献
[1].张贲,孙田,史沛然,周煜,罗欣.基于实时气象因素和LSSVM的短期负荷预测研究[J].电气时代.2019
[2].李海龙.考虑实时气象因素的电力系统短期负荷预测[D].华北电力大学.2015
[3].段涛,罗毅,施琳,朱益华,陈建军.计及气象因素的输电线路故障概率的实时评估模型[J].电力系统保护与控制.2013
[4].胡长洪.考虑实时气象因素的短期负荷预测[D].浙江大学.2010
[5].刘旭,罗滇生,姚建刚,贺辉,张凯.基于负荷分解和实时气象因素的短期负荷预测[J].电网技术.2009
[6].刘旭.基于实时气象因素的短期负荷预测方法研究[D].湖南大学.2009
[7].张凯,姚建刚,李伟,贺辉.基于功率谱分解和实时气象因素的短期负荷预测[J].电网技术.2007
[8].康重庆,周安石,王鹏,郑广君,刘一.短期负荷预测中实时气象因素的影响分析及其处理策略[J].电网技术.2006