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