中长期电力负荷预测技术与应用
出版时间： 2016年版
内容简介
对负荷进行中长期预测，有利于决定未来新发电机组的安装，决定电网的增容和改建，也有利于国民经济健康、协调、快速地发展。负荷预测核心问题是预测的技术方法，如何改进和简化方法，提高负荷预报的精度，使预测手段和结果满足市场经济的电力发展要求。《中长期电力负荷预测技术与应用》主要研究电力系统负荷中长期预测技术，传统的预测方法一回归分析法，选取其中能消除变量多重共线性的逐步回归、岭回归和偏小二乘回归；电力负荷是时间序列，传统的时间序列方法可用于预测未来电量需求；在借鉴前人所做工作的基础上，把当前先进的智能决策技术一灰色系统、神经网络和遗传算法应用到电力负荷预测中，并且通过对多个模型的组合优化得到了组合预测模型。
目录
1 绪论
1．1 选题背景及意义
1．2 国内外研究现状
1．3 主要工作
2 电力需求预测方法
2．1 电力负荷的构成及特点
2．2 负荷预测的步骤
2．2．1 历史数据的收集
2．2．2 历史数据的整理
2．2．3 负荷数据的预处理
2．2．4 负荷预测模型的建立
2．3 电力负荷预测方法简介
2．3．1 基于参数模型的中长期电力负荷预测方法
2．3．2 基于非参数模型的中长期电力负荷预测方法
2．3．3 与动态过程结合的预测方法
2．3．4 组合预测方法
2．4 电力需求预测的难点
3 江苏省电力供需现状及影响因素
3．1 电力市场环境分析
3．1．1 经济发展总体情况
3．1．2 能源环境
3．2 江苏电力供需形势分析
3．2．1 电力供应能力
3．2．2 可再生能源发电
3．2．3 电力需求情况
3．3 影响江苏用电量的因素分析
3．3．1 经济因素与用电量的关系分析
3．3．2 用电量预测的数据和解释变量选取
4 电力需求预测回归模型
4．1 多重共线性分析
4．1．1 产生多重共线性原因
4．1．2 多重共线性的影响
4．1．3 多重共线性的诊断
4．1．4 解决多重共线性的方法
4．1．5 对负荷影响因素多重共线性的实证分析
4．2 逐步回归
4．2．1 逐步回归法的基本思想和计算方法
4．2．2 负荷的逐步回归模型
4．3 岭回归
4．3．1 岭回归的基本原理和算法
4．3．2 负荷的岭回归模型
4．4 偏最小二乘回归
4．4．1 偏最小二乘回归分析原理和算法
4．4．2 基于偏最小二乘回归模型的负荷预测
4．5 结论
5 电力需求灰色预测模型
5．1 灰色系统
……
6 电力需求预测遗传规划模型
7 基于BP神经网络的江苏用电量预测模型研究
8 电力需求预测优选组合模型
9 主成分回归、偏最小二乘回归与神经网络耦合的中长期负荷预测研究
10 基于时间序列的江苏省用电量预测模型
11 江苏省用电量消耗与经济发展关系及脱钩效应——基于STIRPAT模型和OECD脱钩指数的研究
12 总结
参考文献