本文是一篇电力论文，电能的传输和变电、配电、用电一起，构成电力系统的整体功能。通过输电，把相距甚远的（可达数千千米）发电厂和负荷中心联系起来，使电能的开发和利用超越地域的限制。（以上内容来自百度百科）今天为大家推荐一篇电力论文，供大家参考。
1 绪论
1.1 研究背景及其意义
1.1.1 研究背景
注重于现在，同时处理好实际情况，构造促进人类社会可持续发展的要求，这在一定程度上从深入的层次对现有资源展开相关分析，实现资源配置的最优化，只有这样才能够在未来的激烈竞争中始终保持优势地位。随着现代化的预测理论和方法持续前进以及计算机和人工智能技术的不断进步，预测领域也随之有了较大的进步，预测方法越来丰富简便，预测结果越来越精确，就连预测模型也越发的完善，在许多领域，预测所发挥的巨大作用是不可估量的，甚至在某些领域预测精度都达到了至高的水平。这些较快的发展，主要集中在 80 年代在电力系统负荷预测领域的研究之后，虽然与国外发达国家相比，国内在这方面的研究起步较晚，但发展却十分迅速，目前国内许多高等院校已经设立了负荷预测专业课程，更进一步推动了负荷预测领域的发展。在现代化电力系统配置中，电力负荷预测是一个十分重要的步骤。电力负荷预测在获取大量历史数据和调查数据的基础上，需要根据信息和数据对此进行总结和分析，更需详细分析电力负荷的现状和发展趋势。充分纳入负荷因素、自然条件以及对社会有影响的其他综合因素等等，然后在此基础上，从电力系统运行特征出发，以深入挖掘分析整个电力系统中负荷转移的过程，生产调度，顾忌到各个方面，提出了利用现有历史数据建立未来负荷的数学模型。而数据与数学模型之间的关系，通过预测负荷值能够得到一个基本准确的结果，而这对电力负荷预测而言，这就是不断发展推动力[1]。电力系统具有自身独特性，对于电能其无法实现长久存储，这意味着在有限的时间内将负荷预测划入电力调度工作是一项很关键的工作。在对电力调度方案进行相关规划时，应该以负荷预测结果为中心，选取内部的电力网络，精准预测的实时调度，并合理布置内部发电机组的启停，以尽可能避免不必要的旋转备用容量和开关次数，降低能量存储任务，避免能量的损失浪费，提高能源利用率和保持安全和稳定电网运行的可靠性，确保电力企业有较好的收益。对电力公司而言，其应该依靠电力负荷预测结果对未来电力负荷的发展趋势进行一个大致判断，判断是否要增加新的电厂新的机组，新的发电容量以及是否需要进行负荷转移等等。从某种意义上来讲，这些都或多或少的对电网未来规划有着关键影响[2]，由此可见，负荷预测与电网的规划和发展有着密不可分的关系，进行负荷预测也是一项不可或缺的工作[3]。
.........
1.2 电力系统负荷的研究现状
近几十年，学术界许多专家都对电力负荷预测展开过研究，且目前已经发现了一些先进的预测方法，推动了电力负荷预测领域的进一步发展。纵观国内外众多研究发现，在对短期电力负荷预测展开研究时，绝大部分研究主要侧重于影响负荷预测的因素、负荷预测算法模型以及累积效应对负荷预测的影响等等。随着专家研究的深入，预测技术得到了大幅度提升，预测模型也变得逐渐复杂，发展到后来，专家们便开始引入双模型组合或者多模型组合的方法分析负荷预测。总而言之，目前国内外普遍使用以下几种方法[5-10]对电力负荷进行预测：不同的时间阶段电力系统的负荷不同，但却有一定规律可循。趋势外推的先做出以下假设：现在的持续发展会产生未来的现象。当预测的目标随着时间变动呈现一些增长或下落的势头，且未出现剧烈的季节变动，都能搜索到一个合理的函数曲线面熟这种变动方式时，比如用到趋势外推法对未来十年的电力负荷展开预测。通常而言，经常使用的曲线有指数曲线、幂函数曲线以及 s 曲线等等，而经常使用的方法则是最小二乘法。用这一方法求解出估计值与预测值差的最小平方误差以及最小二乘误差。
.........
2 电力负荷预测基本理论
2.1 负荷预测的定义
负荷预测通过判断系统的运行特征、增容决策以及其他社会因素等等，在能够满足结果精度要求的前提下，通过预测分析得到未来某段时间负荷的变化趋势。其中负荷指的是用电量。对电力优化调度工作而言，负荷预测是一项十分重要的工作，是电力系统中能量管理不可或缺的关键模块。由于负荷预测是根据以往的数据对未来可能出现的数据进行推测，故负荷预测的研究对象是未来的不确定时间，也只有未来的不确定事件才需要人们通过大量分析，寻找规律，判断未来负荷的变化趋势可能出现的情况。负荷预测的方法主要分为经典预测以及现代预测两类方法。对电力部门而言，电力负荷预测十分重要，精确的负荷预测，能够经济合理地布置电网深入发电机组的发电分配，维持电网运行的安全稳定性，降低不需要的旋转备用容量，更加高效制定分配机组检修计划，以保证电力系统能够满足社会使用和企业需要，制定优化方案降低发电成本，实现社会效益以及经济效益的共同提升。根据负荷预测所得出的结果，仍可用来促进未来发电机组的设置，判断装机的时间以及其容量，此外，负荷预测结果还能够为日后电网改建以及增容提供有效的参考依据，在电网的规划和进步中发挥着不可取代的价值。因此，从这一角度来讲，电力负荷预测工作已经成为判断电力企业是否实现现代化建设的重要指标之一。尤其是近些年来，我国电力工业发展迅速，而电力市场竞争也变得尤为激烈，在这样的大环境下，电力负荷预测是电力行业可持续发展的重要支柱。目前负荷预测的技术关键问题是预测数学模型、预测的方法技术。而随着科技的进步，负荷预测研究程度的不断深入，不论是负荷预测理论亦或者是技术都得到了丰富和全面提升，与技术相匹配的一系列应用软件也相继产生。
...........
2.2 电力系统负荷预测的特征
对负荷进行预测本质上就是通过分析负荷的现有数值对其未来可能成为的数值进行预测。因此不难看出，负荷预测的研究对象是未来的不确定事件。由于很多人为和自然因素的影响，很难准确预测出负荷值，同时就是因为是对不确定事件进行分析和预测，推断其未来趋势，这一本质特征使负荷预测工作具备如下特点：在对负荷进行预测过程中，通常会受到许多因素的干扰，其中绝大一部分是不确定因素，比如随着集结地变化电力负荷会产生各种间歇性的波动，当前的经济发展水平、天气状况、日照强度、云层扰动、电池板表面污秽的多少等一些其他因素都会直接或间接的影响到电力负荷的预测，而这些随时间不断变动的影响因子中有的影响因素可以进行认为量化估算，而有的却很难加以判断，更难应用到预测方法中来，甚至面临的一些紧急状况会使得负荷的波动产生更大的偏差。
..........
3 基于 BP 神经网络的电力负荷预测.....15
3.1 引言............15
3.2 BP 神经网络模型.............15
3.2.1 BP 神经网络结构....15
3.2.2 BP 神经网络的学习算法..............17
3.3 BP 神经网络法短期电力负荷预测.......20
3.4 以某市负荷为例进行预测分析............26
3.5 本章小结....29
4 改进 BP 神经网络的电力负荷预测.....30
4.1 前言............30
4.2 基本 BP 神经网络的优势劣势及其优化........30
4.2.1 基本 BP 神经网络的优劣势........30
4.2.2 BP 算法的优化........32
4.3 以某市负荷为例进行预测分析............34
4.4 本章小结....43
5 结论与展望...........44
5.1 结论............44
5.2 展望............44
4 改进 BP 神经网络的电力负荷预测
4.1 前言
前文对运用 BP 神经网络对某市 2011 年 6 月的负荷数据为样本进行了预测，但是得到的结果存在一定偏差，且偏差幅度较大，对电力负荷预测的效果不是很好，所以需要对 BP 神经网络算法做一些改进，并且在进行预测时要把日特征相关因素[36-41]考虑进来。从数学思维角度来看，经典的 BP 神经网络主要运用的是局部渗透改进方法，在对数据进行处理时，其要解决大量数据的非线性化问题，对于网络权重的确定则需要通过沿局部修正的方向逐渐修正才能够得到最终结果，但这反而弄巧成拙，使算法陷入局部极值。在权值无线靠近局部最小值时，会引起网络训练结果产生混乱，进而导致训练过程失败。此外，对于权重的初始赋值 BP 神经网络反映也十分灵敏，不同的初始值，还会产生趋向不同的局部极小，这也是诸多学者每次训练都无法得出一致结果的主要原因。下图是在学习训练过程当中可能出现的问题。比如图 4-1（a），从该图能够直观的看出，学习结束后无法达到全局极小点。甚至有些误差可能会产生图 4-1（b）的状况，有一个坡度缓冲阶段，一般这种情况会导致修正持续减慢，假如修正方向是正确的，那么最终结果会达到极小点。图 4-1（c）也说明了在训练过程中有可能会产生数据震荡，当局部极小点周围极其平缓的，就很难从中脱离出来。再如 4-1 （d）图所示，网络训练时可能径直忽略了极小点。#p#分页标题#e#
.........
结论
电力涉及到一个国家的发展和富强，它事关一个国家的国民经济和人民生活。社会上的几乎所有领域都与电力有着密切的关系。在如今资源紧缺的大环境下，合理使用电力，优化配置电力资源已经成为当前的首要任务。短期电力负荷预测因其能够合理控制和配置电荷故其在电力预测中占据着中心地位。一直以来，我国学术界就在尝试不断深入研究电荷预测，这对预测的要求以及精度提出了更高的要求，传统的预测方法已经不足以适应如今的需求。本文从多个方面对电力负荷特性展开论述分析，梳理总结其特征，并基于其特性，运用BP 神经网络对其展开了一系列预测研究，并对改进 BP 算法的几种应用进行了比较。
（1）研究了某市电力负荷的特点，得出其电力负荷的年周期性、周周期性、日周期性。根据这些特点，可以较为有效地预测负荷。
（2）根据天气类型、气象因素以及日期类型构建了 BP 神经网络负荷预测模型，先后使用了标准以及经过改进后的三种 BP 算法对对某市，工作日负荷预测，最后在进行比较分析，得出 L-M 算法是一种改进的理想算法。
..........
参考文献（略）
