線損管理下的供、售電量分析及預(yù)測.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、電力系統(tǒng)中長期負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃、設(shè)計、研究的基礎(chǔ)和前提。準(zhǔn)確的負(fù)荷預(yù)測可以保證系統(tǒng)經(jīng)濟(jì)安全地運行,實現(xiàn)電網(wǎng)地科學(xué)管理及調(diào)度,提高社會、經(jīng)濟(jì)效益。對一個電力系統(tǒng)來說,提高電網(wǎng)運行的安全性和經(jīng)濟(jì)性,改善電能質(zhì)量,都依賴于準(zhǔn)確的負(fù)荷預(yù)測。因此,負(fù)荷預(yù)測的關(guān)鍵是提高準(zhǔn)確度。 本文首先對負(fù)荷預(yù)測的現(xiàn)有方法進(jìn)行了綜述;接著,針對月負(fù)荷的特殊性,預(yù)測模型采用了組合時序法,本文采用了多種季節(jié)指數(shù),提高了預(yù)測精度;然而單一的模型適用范圍較窄

2、,因此本文采用了組合模型,組合預(yù)測能將多種預(yù)測方法得到的預(yù)測結(jié)果進(jìn)行綜合,能較大限度地利用各種預(yù)測樣本信息,比單個預(yù)測模型考慮問題更系統(tǒng)、更全面,因而能夠有效地減少單個預(yù)測模型過程中一些環(huán)境隨機(jī)因素的影響,從而提高預(yù)測精度。最后,針對常規(guī)組合預(yù)測模型加權(quán)處理方法中存在的不足,深入探討了基于免疫算法的組合預(yù)測模型。算例表明,該方法可以較大提高預(yù)測的精度;最后,在傳統(tǒng)預(yù)測方法研究的基礎(chǔ)上,結(jié)合目前負(fù)荷預(yù)測領(lǐng)域的一些新成果,用QT語言開發(fā)了一

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論