导读:本文包含了电量短期预测论文开题报告文献综述及选题提纲参考文献，主要关键词:短期电力负荷预测,深度学习,长短期记忆网络,卷积神经网络
电量短期预测论文文献综述
郭海波[1]（2019）在《基于深度学习的短期电量预测方法研究》一文中研究指出短期负荷预测是电力系统经济运行的基础,准确的负荷预测可以优化电力公司的发电调度,提高电网运行的经济性和安全性。经典的基于回归的预测模型主要是针对平稳时间序列进行预测,而电力负荷是典型的非平稳序列。浅层神经网络模型很难有效地捕捉复杂的非线性模式,电力负荷由于受地域、气候、经济等诸多因素的影响,呈现出复杂的变化模式。在基于深度神经网络的时间序列预测方法中,研究比较多的是基于循环神经网络(Recurrent Neural Network,RNN)的预测方法,如长短时记忆网络(Long Short Term Memory,LSTM),能够有效地对复杂用电模式进行建模,但随着输入序列长度的增加网络的训练难度显着增大,电力负荷具有从日到年的大时间跨度周期性,LSTM无法充分挖掘电力负荷大时间跨度的内在相关性。基于卷积神经网络(Convolutional Neural Network,CNN)的预测模型计算复杂度较低,目前研究较少。本文基于实际电力负荷数据研究了短期电力负荷预测,主要内容包括:(1)提出了基于LSTM的短期负荷集成预测模型。基于相似日法,搭建了相似用电序列选择模块,利用LSTM在时间序列预测方面的优势,通过集成多个LSTM网络设计了集成学习结构,使模型具有更大的容量和更低的复杂度。在实际电力负荷数据集上对模型的预测性能进行了验证,实验结果显示了集成模型的优越性。(2)搭建了基于CNN的短期负荷预测模型。基于复杂性不变距离,改进了现有聚类模型,实现了聚类类别个数的自动调整。设计了基于CNN的预测模型,根据实际电力负荷数据进行了实验分析,验证了预测模型的可行性。(本文来源于《北京邮电大学》期刊2019-05-20）
林锐涛,潘可达,许韩斌,彭显刚,何佳汉[2]（2018）在《基于用户电量特征匹配与鲁棒极限学习机的用户短期电量预测》一文中研究指出如何快速准确实现电力用户的短期电量预测对需求响应的实施以及售电公司的经营具有重要的意义。提出一种基于相似用户电量特征匹配与鲁棒极限学习机的用户短期电量预测方法。首先通过主成分分析与余弦相似度相结合的聚类分析方法建立用户电量特征库;然后通过皮尔逊相关系数法选取与待预测用户用电特性相似度较高的用户,将其用电信息匹配生成预测参考日数据集;最后建立鲁棒极限学习机模型实现对用户短期电量预测。为验证所提方法的有效性,采用实际案例进行仿真分析。结果表明该方法可以有效提高用户短期电量预测精度。(本文来源于《智慧电力》期刊2018年11期）
方志强,王晓辉,夏通[3]（2018）在《基于长短期记忆网络的售电量预测模型研究》一文中研究指出售电量预测对优化供电结构以及了解经济走势具有重要意义,然而,传统售电量预测方法难以从售电量及其影响因素的数据中自动抽取到较好的数据特征。为此,文中提出一种基于长短期记忆网络的售电量预测模型,该模型通过分析售电量数据及其影响因素的相关性,提出一种行业聚类方法,该方法根据不同行业的数据特征对相似的行业进行聚类,并根据聚类结果训练长短期记忆网络模型。文中模型能够学习售电量数据以及相关影响因素的数据特征和内在关联关系。实验结果表明,文中所提出的预测模型比经典的预测模型具有更高的准确度。(本文来源于《电力工程技术》期刊2018年03期）
厉建宾,段银斌,赵郭燚,安亚刚,卢潇潇[4]（2017）在《基于综合预测模型的用户短期电量预测方法研究》一文中研究指出随着电力市场的不断开放,越来越多的用户将参与到市场竞争中来。能否准确预测用户用电量关系到市场主体的竞争策略甚至生产计划的制定。然而,目前绝大多数的电力电量预测都是系统级的,由于用户用电行为的多样性,负荷特征各异,因此很难用系统负荷/电量预测的模型和方法来预测单一用户的用电情况。提出了一种基于综合预测模型的用户短期电量预测方法,综合考察了多种统计学与机器学习预测模型,提出了分时段变权重综合预测模型,并通过对实际用户的用电量进行预测,验证了方法的适用性和模型的准确性。(本文来源于《2017智能电网新技术发展与应用研讨会论文集》期刊2017-12-25）
冯天瑞,欧阳森,吴裕生,王克英[5]（2015）在《考虑季度供电量二重性的最优GM(1,N)短期电量预测方法》一文中研究指出受多因素影响,季度供电量存在增长性及季节波动性的复杂二重趋势。针对现有预测方法中对供电量自身组分及外部影响因素信息利用不足的情况,提出利用行业分类及数据关联度寻优方法选择最优影响参数个数,从而确定模型参数N,构造最优GM(1,N)电量预测模型,提高预测准确度的方法。根据供电企业的用电用户类别,对供电量进行自身组分分析;计算各组分及外部影响因素与供电量的关联度,并对关联度由大到小进行排序;根据不同N的拟合精度确定最优GM(1,N)模型。应用该方法对某供电局的供电量数据进行预测分析表明,该算法具有预测精度好、结果可信度高的特点。(本文来源于《电力需求侧管理》期刊2015年05期）
刘明,李红,伏祥运,张魁[6]（2014）在《连云港短期电量预测研究》一文中研究指出随着电力市场的不断发展,电量预测及分析日益成为电力企业发展决策的关键依据,本文通过分析短期电量预测对电网精益化管理的重要意义,对比常用的几种电量预测方法的原理和优缺点,创新提出将移动加权平均算法应用于短期电量预测。通过将该方法应用于连云港地区的电量预测发现,该预测方法简单易行,预测效果较其他方法更加准确、高效,为电量预测技术人员提供了极大方便。(本文来源于《智慧城市电力科技论坛论文集（2014年第1辑 总第176辑）》期刊2014-10-23）
王奕萱[7]（2013）在《基于统计特征量和支持向量机的短期售电量预测研究》一文中研究指出售电量预测是电网建设规划的重要依据。由于售电量预测是多种因素综合作用的多变量、非线性问题,传统的方法往往难以取得满意的预测效果。本文提出了一种基于统计特征量和支持向量机的短期售电量预测方法。选用对售电量影响度高的因素及其统计量做为特征因子,运用支持向量机进行建模和预测。实验结果表明,该方法预测准确较高,有着较为广阔的应用前景。(本文来源于《华北电力技术》期刊2013年12期）
汪志宏,石雪梅,葛斐[8]（2012）在《解析法在安徽电网中短期电量预测的实证研究》一文中研究指出为了提高中短期负荷预测的准确度,本文尝试采用解析法对安徽电网中短期用电量开展预测研究。研究结果显示,解析法与传统的延伸预测法相比预测产生偏差的幅度最小,是一种有效的中短期电量预测的基本方法,适宜于安徽电网月度全社会用电量预测。(本文来源于《安徽电气工程职业技术学院学报》期刊2012年04期）
侯英伟[9]（2012）在《考虑历史数据影响因素的电力系统短期电量预测研究》一文中研究指出随着电力市场的不断发展，电量预测已成为电力系统人员制定正确决策的依据和保证。基于准确的电量预测，系统调度中心可以经济合理地安排发电机组的启停，有效地降低发电成本，提高经济效益和社会效益，因此研究如何准确地进行电量预测具有重要的现实意义。本文在标准支持向量机的基础上，结合D-S证据理论，重点从电量历史数据的影响因素和电量预测误差精确度两方面进行研究，主要工作如下：首先，选取电耗系数、环比历年曲线图、温度差值等特征，分别建立基于四个历史数据影响因素的证据融合识别框架，提出用证据理论对所取历史数据进行融合的理论，避免传统方法上只考虑电量负荷曲线的相似度或温度等单一影响因素，通过证据融合得到与预测月电量特征相似的电量值，并且根据识别框架补全数据，保证支持向量机训练数据的正确性和完整性。其次，研究基于D-S证据理论的支持向量机算法，此方法在证据融合的基础上对原始电量数据进行预处理，解决原始数据特征出现明显波动的问题，剔除原始数据中与预测电量特征相差太大的数据，简化历史数据序列的变化规律。进而建立支持向量机预测模型，并在选取参数时进行仿真实验，得到适合本样本的最佳参数。最后，将基于D-S证据理论的支持向量机算法和标准的支持向量机算法分别用于电量预测，将得到的两组数据，进行误差分析和比较，结果表明本文提出的方法预测结果精度明显提高。(本文来源于《燕山大学》期刊2012-05-01）
祁晖[10]（2010）在《数学分析与短期电量预测》一文中研究指出文章应用实例数据分析气温和用电量的关系,揭示两者之间的关联性。主要采用回归分析的方法,既有定量分析又有定性分析,总结一般性的分析方法,指导实际工作。(本文来源于《中国高新技术企业》期刊2010年36期）
电量短期预测论文开题报告
（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：
如何快速准确实现电力用户的短期电量预测对需求响应的实施以及售电公司的经营具有重要的意义。提出一种基于相似用户电量特征匹配与鲁棒极限学习机的用户短期电量预测方法。首先通过主成分分析与余弦相似度相结合的聚类分析方法建立用户电量特征库;然后通过皮尔逊相关系数法选取与待预测用户用电特性相似度较高的用户,将其用电信息匹配生成预测参考日数据集;最后建立鲁棒极限学习机模型实现对用户短期电量预测。为验证所提方法的有效性,采用实际案例进行仿真分析。结果表明该方法可以有效提高用户短期电量预测精度。
（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。
电量短期预测论文参考文献
[1].郭海波.基于深度学习的短期电量预测方法研究[D].北京邮电大学.2019
[2].林锐涛,潘可达,许韩斌,彭显刚,何佳汉.基于用户电量特征匹配与鲁棒极限学习机的用户短期电量预测[J].智慧电力.2018
[3].方志强,王晓辉,夏通.基于长短期记忆网络的售电量预测模型研究[J].电力工程技术.2018
[4].厉建宾,段银斌,赵郭燚,安亚刚,卢潇潇.基于综合预测模型的用户短期电量预测方法研究[C].2017智能电网新技术发展与应用研讨会论文集.2017
[5].冯天瑞,欧阳森,吴裕生,王克英.考虑季度供电量二重性的最优GM(1,N)短期电量预测方法[J].电力需求侧管理.2015
[6].刘明,李红,伏祥运,张魁.连云港短期电量预测研究[C].智慧城市电力科技论坛论文集（2014年第1辑总第176辑）.2014
[7].王奕萱.基于统计特征量和支持向量机的短期售电量预测研究[J].华北电力技术.2013
[8].汪志宏,石雪梅,葛斐.解析法在安徽电网中短期电量预测的实证研究[J].安徽电气工程职业技术学院学报.2012
[9].侯英伟.考虑历史数据影响因素的电力系统短期电量预测研究[D].燕山大学.2012
[10].祁晖.数学分析与短期电量预测[J].中国高新技术企业.2010