电力系统负荷预测PDF电子书下载

第1篇　负荷预测总论 1

第1章　负荷预测的基本原理和理念 2

1.1　什么是预测 2

1.2　什么是负荷预测 4

1.3　负荷预测的基本原则和要求 4

1.4　负荷预测的内容及其分类 6

1.5　负荷预测的步骤 12

1.6　负荷预测问题的抽象化表述 13

1.7　负荷预测应遵循的理念 18

1.8　负荷预测的研究动向 21

1.9　对我国预测工作的建议 23

第2章　数学基础及共性预测方法 25

2.1　负荷预测中数学理论的应用 25

2.2　常用优化方法 25

2.3　最小二乘法 31

2.4　回归分析法 32

2.5　预测中常用的其他理论与技术 36

第3章　负荷分析与预测 44

3.1　短期负荷分析及预测 44

3.2　短期预测中负荷的规律性与稳定度分析 46

3.3　中长期负荷预测的问题描述 51

3.4　中长期负荷预测中的负荷分析 52

第4章　预测效果的分析与评价 54

4.1　线性同归的分析与检验 54

4.2　一般预测结果的分析与评价 56

4.3　合理选择预测模型的准则 59

4.4　我国调度部门关于预测效果的评价与考核 61

第1篇参考文献 63

第2篇　中长期负荷预测 67

第5章　基于时序趋势外推的基本预测方法 68

5.1 动平均法 68

5.2　指数平滑法 69

5.3　增长速度法 70

5.4　灰色预测 70

5.5　马尔可夫预测法 71

5.6　灰色马尔可夫预测法 71

5.7　生长曲线法 72

5.8　应用实例 73

第6章　时序趋势外推预测方法的扩展策略 76

6.1　扩展问题概述 76

6.2　提高预测模型适应性的策略 76

6.3　模型参数的非线性估计方法 78

6.4　非连续历史序列的处理 79

6.5 “近大远小”原则的处理策略 81

6.6　历史序列中的不良数据辨识 84

6.7　扩展策略的应用实例 86

第7章　中长期负荷相关分析与预测 90

7.1　年度全社会用电量与相关因素的关系 90

7.2　中长期负荷预测中考虑单相关因素的预测方法 94

7.3 中长期负荷预测中考虑多相关因素的预测方法 97

第8章　中长期负荷预测中的不确定性分析 101

8.1　背景 101

8.2　不确定性电力需求分析基本思想 101

8.3　对传统高中低发展速度判别方法的剖析 102

8.4　单一预测量的概率分布模型 105

8.5　多预测量的联合概率分布 109

第9章　中长期预测中多模型的筛选与综合 112

9.1　概述 112

9.2　综合预测的概念 112

9.3　综合最优拟合模型 114

9.4　综合次优拟合模型 116

9.5 “近大远小”原则下的综合模型 117

9.6　综合最优预测模型 119

9.7　综合预测模型的进一步分析 121

9.8　预测决策与模型筛选 124

第10章　年度预测的理论与方法 131

10.1　年度预测的分析 131

10.2　时序负荷曲线的两步建模预测法 131

10.3　负荷持续曲线的神经网络模型 136

第11章　月度预测的理论与方法 139

11.1　月度预测的特点分析 139

11.2　现有月度预测方法的剖析 140

11.3　体现月度量变化特征的预测方法 141

11.4　1月和2月负荷预测的特殊问题 143

第12章　中长期负荷预测系统 146

12.1　中长期负荷预测系统的研究过程 146

12.2　中长期负荷预测系统的研究思路 147

12.3　系统体系结构 149

12.4　系统核心功能设计 151

12.5　规划／计划类功能设计 155

12.6　用电／营销类功能设计 158

第2篇参考文献 165

第3篇　短期负荷预测 169

第13章　基于时序分析的正常日预测 170

13.1　基于同类型日思想的正常日预测的整体描述 170

13.2　基于同类型日思想的正常日负荷预测基本方法 171

13.3　基于同类型日思想的正常日新息预测方法 174

13.4　基于时段相似性原理的简单推理法 175

13.5　时间序列预测法 176

13.6　频域分量预测法 179

13.7　基于小波分析的预测方法 181

13.8　基于混沌理论的预测方法 182

第14章　气象因素对短期负荷的影响分析 185

14.1　短期预测中气象因素分析与处理的总体理念 185

14.2　从供应侧和需求侧分析气象因素的影响 187

14.3　气象因素直接作用于短期负荷的规律分析 190

14.4　短期负荷中考虑累积效应的气象特征选择 196

14.5　多个气象因素形成的综合气象指数对短期负荷的影响 199

14.6　综合气象指数对短期负荷的累计效应 202

第15章　直接考虑相关因素的短期负荷预测方法 207

15.1　气象校正法 207

15.2　考虑日特征气象因素的人工神经网络法 208

15.3　基于日特征气象因素的支持向量机预测方法 210

15.4　基于实时气象因素的短期负荷预测方法 213

第16章 日特征相关因素的规范化处理策略与预测方法 217

16.1　各日相关因素的衡量方法 217

16.2　映射函数与映射数据库 218

16.3　基于映射数据库的短期预测的规范化描述 221

16.4　映射数据库自适应训练算法——摄动法 224

16.5　映射数据库自适应训练算法——遗传算法 228

16.6　基于映射数据库的正常日预测新方法 229

第17章　预测误差分布特性统计分析与概率性短期负荷预测 232

17.1　问题的提出 232

17.2　总体思路 232

17.3　预测误差分布特性的统计方法 234

17.4　误差分布统计规律的有效性检验 236

17.5　概率性负荷预测 237

17.6　实例分析 238

第18章　短期负荷预测的综合模型 241

18.1　短期负荷预测综合模型的特点分析 241

18.2　全天统一权重的综合预测模型 242

18.3　分时段变权重的综合预测模型 244

18.4　考虑“近大远小”原则并引入相关因素后的短期负荷预测综合模型 246

18.5　短期负荷预测综合模型的讨论 249

18.6　应用举例 250

第19章　其他短期预测问题及其预测方法 252

19.1 节假日负荷预测方法 252

19.2　超短期负荷预测 255

19.3　扩展短期负荷预测 256

19.4　连续多日负荷曲线预测 258

19.5　母线负荷预测 262

第20章　短期／超短期负荷预测系统 264

20.1　研究背景 264

20.2　研究思路与关键技术 264

20.3　短期负荷预测功能 266

20.4　超短期负荷预测功能 269

20.5　主要的管理与分析功能 270

第3篇参考文献 277