负荷预测方法文献综述
电力系统中传统负荷预测方法的文献综述
负荷预测的核心问题就是预测的技术方法，或者说是预测数学模型。随着现代科学技术的不断进步，负荷预测理论、技术得到了很大的发展，理论研究逐步深入，适合本地特点的预测程序、软件开始出现。但不可否认的是，就目前而言，我国的电力系统负荷的预测技术还是比较落后的，相应的基于软件的技术还不能满足现代社会的需求，有待进一步提高。
传统的负荷预测方法如回归模型法，卡尔曼滤波法，时间序列法，灰色预测法，专家系统法，模糊理论法，神经网络法，小波分析法等。这些传统的预测方法无论是哪种均具有不足和缺陷，随着对负荷预测的深入研究和广泛应用，传统的预测方法的应用越来越难以适应发展，逐渐形成了现代负荷预测方法。
文献【1】针对传统静态神经网络自适应能力差、收敛速度慢、预测精度低的问题,提出了一种基于小波分析和Elman动态神经网络的中长期电力负荷预测方法,该算法通过对原始样本进行小波分解,将分解后的低频趋势信号和高频细节信号分别进行预测,在输出端再进行重构后得到预测曲线;然后就传统负荷预测问题中数据预处理环节的数据校验问题,提出了一种基于小波理论的奇异点检测法,该方法对原始样本进行一维离散小波分解,抽取一层高频细节信号进行分析,根据工程实践中设置的阈值,来检测有可能因为系统故障、人为失误导致的数据记录错误,为准确预测提供了保障。文献【2】提出一种基于人工神经网络的电力负荷预测方法 ,该方法充分吸收了神经网络非线性逼近能力的优点。在神经网络结构设计中充分考虑了电力负荷的特点 ,并用神经网络加权最小方差模型(NNWLS)对样本进行训练。在实际预测中 ,该预测方法取得了比较高的的预测精度。文献【3】针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度。文献【4】为进一步提高电力负荷预测的精度和运算速度,针对短期负荷预测样本数据既有趋
势性又有波动性的特点,采用均生函数-最优子集回归建立预测模型。相对于均生函数主成分回归将上述所有序列构建出预测因子矩阵,采用双评分准则进行粗选,剔除评分较低的因子,其他预报因子经组合寻优后得到最优子集并以此建立预测模型。实例分析表明,该模型预测的平均相对误差可低至2.42%,明显优于主成分回归模型的预测精度。文献【5】通过改进CART(分类和回归树)分类法选择训练样本,可以降低与预测日不一致负荷模式的影响,提高预测精度,并运用人工神经元网络预测下一天的96点负荷.主要包括3个部分.首先,运用CART分类法将输入空间分成若干矩形互斥区域,每一个区域对应一种负荷模式;其次,根据分类结果选取神经元网络的训练样本.最后,合理映射天气因素和日期、星期类型并进行预测.实际应用表明本方法对于大波动负荷地区能够改善预测精度,提高预测速度.文献【6】根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量回归强大的非线性映射能力和小波核函数的局部分析和特征提取能力,提出一种基于小波支持向量回归的电力系统负荷预测模型,并采用最小二乘方法来训练该预测模型,利用该模型对嵌入维数与模型预测性能的关系进行探讨。仿真结果表明,该预测模型能精确地预测电力系统负荷,而且在电力系统负荷的最佳嵌入维数未知时也能取得比较好的预测效果。文献【7】BP神经网络应用于电力系统负荷预测时,如果输入空间严重自相关及网络维数较高时,BP神经网络的预测精度会下降。针对这一问题,本文提出一种改进新方法,具体是利用主成分分析(PCA)方法对原输入空间进行重构,并根据各主成分的贡献率来确定网络的结构,从而有效解决了BP网络预测精度下降的问题,最后通过实际的算例验证了该方法的有效性。文献【8】混沌理论适合描述确定性非线性系统的内在随机性,具有对初始条件敏感,遍历性、规律性等特点,作为确定论和概率论的桥梁,其特性符合电力系统负荷预测的内在要求.因此,近年来,混沌理论在电力系统负荷预测中得到了越来越广泛的应用.在总结和归纳传统预测方法的基础上,对混沌理论应用于电力系统负荷预测中的研究现状进行了综述,其中包括混沌时间序列的主要思想、混沌时间序列分别与传统预测技术、神经网络以及模糊理论相结合在负荷预测中的应用,并指出了这一技术的研究动向及应用前景.文献【9】本文提出了一种提高神经网络预测可靠性的新方法，将目前常用的三种神经网络的预测结果进行变权组合，可以避免单个神经网络出现“过拟合”现象等问题时预测精度大幅度降
低的风险，提高了预测的可靠性。为提高负荷预测精度，本文给出了一种五层模糊神经网络的变权组合预测模型，模糊神经网络的输入为误差和误差变化率，输出为权重系数。该模型将模糊逻辑和神经网络的长处融合在一起，使模糊推理和解模糊均通过神经网络来实现。仿真结果表明此模型比模糊变权重组合预测模型具有更高的预测精度。针对神经网络在输入变量选择问题上存在的缺陷，本文提出不考虑影响负荷的所有因素，仅用混沌理论处理后的负荷样本作为神经网络的输入。但是这种不考虑影响因素的方法不能明显提高预测精度，因此本文引入一种只考虑影响因素的样本处理方法，将这两种方法的预测结果进行组合预测。仿真结果表明将这两种方法组合是可行的和有效的。文献【10】本文在分析电力系统负荷预测的特点和研究现状基础上，采用BP人工神经网络对电力系统负荷预测的模型进行优化，这种方法可以更好的刻画出电力系统负荷多输入多输出、复杂非线性以及繁杂的无规律可循的特征。遗传算法是在达尔文的生物进化论的基础上发展起来的，它模拟了进化过程中的自然选择与遗传规律，是一种全局搜索最优解的算法。本文首先分析了GA算法与BP神经网络的优劣势，将GA算法与BP网络结合起来，用GA算法来训练BP神经网络的连接权值，给出了基于GA 与BP相结合的具体算法和实现过程，以期克服BP神经网络容易陷入局部极小点的缺陷。文献【11】本文结合了非经典计量经济学中高等时间序列分析的一些思路方法，建立了预测精度更高、意义更显著的预测模型。 1.分析比较了现有的各类负荷预测模型的优缺点。 2.论述了高等时间序列分析领域中协整理论。 3.运用该理论分析了中国年度用电量和GDP的协整关系，并建立了包括误差纠正机制在内的完整协整预测模型体系，对用电量数据进行了预测。 4.结合电力系统负荷预测具体要求，对标准协整形式进行改进，论述了变参数协整理论和非线性均衡协整理论在负荷预测中运用的可行性。 5.建立了基于变参数协整理论的用电量预测模型，并运用该理论对中国年度用电量进行了预测，与普通协整的预测结果进行了比较。 6.建立了基于非线性协整理论的用电量预测模型，并运用该理论对中国年度用电量进行了预测，比较了几种模型的预测效果。 7.利用VC++软件编译了一套用电量预测软件包，该软件包括数据编辑和用电量预测两个部分：数据编辑部分可以对数据库中的数据源进行添加、删除、修正等功能；用电量预测部分可以选择不同的算法-包括本文中所论述的算法一一进行预测，界面友好。
文献【12】电力系统负荷预测工作是电力系统规划与建设的基础和前提,提高电力系统负荷预测的准确性对于电力系统的安全经济运行有着非常重要的意义.该文在学习和消化粗集(Rough Set)理论的基础上,首次引入Rough Set理论来解决负荷预测中不确定性因素的影响问题.以受不确定性因素影响较强的中长期负荷预测为主要研究对象,以历史数据为基础,通过Rough Set理论的应用,搜寻数据对象内部的本质联系,完成整个负荷预测工作.文献【13】本文在分析灰色模型GM(1,1)的局限性基础上,应用粒子群优化算法非线性全局寻优能力来求解灰色模型参数值，提出了基于粒子群优化算法的灰色模型，并给出了电力负荷预测的实例。预测结果表明基于粒子群优化算法的灰色模型具有较高的预测精度和较光的应用范围。文献【14】基于一元回归模型的电力负荷预测技术是以历史负荷为资料建立数学模型,对未来时间内的负荷进行预测,从数学角度看,就是利用数理统计中的一元回归方法,通过对变量的观测数据进行统计分析,确定变量之间的相关关系,从而实现预测的目的.本文介绍了一元线型回归模型的原理,通过分析历史数据,建立数学模型,以北京地区年负荷为例,证明该模型具有良好的实用性.文献【15】分类和聚类是数据挖掘中两个重要的研究领域,分类需要相关的先验知识,而聚类往往依据某种相似性测度,从数据本身来寻找其内在特征.在电力系统负荷预测过程中,依靠先验知识得到的分类结果与聚类结果之间并不协调.针对这一问题,文中给出了调和矩阵的定义,并在此基础上,提出调和聚类-分类算法,将该方法应用于电力系统负荷预测的样本分类中,实际结果表明,通过文中方法得到的分类结果更加客观和科学,预测结果的可靠性得到了保证.
[1]赵智勇.黄伟.尉杨.一种基于小波分析和Elman动态神经网络的中长期电力预测方法[J].山西电力，2013,178（1）：1-5
[2]鲍正江.胡海兵.一种基于神经网络的电力负荷预测方法[J].浙江电力，2004,4:10-13
[3]崔和瑞.宋秀莉.葛曼倩.基于数据挖掘的FNN短期电力负荷预测方法研究[J].电力系统保护与控制，2009,37（22）：54-57
[4]窦震海.杨仁刚.焦娇.基于均生函数-最优子集回归模型的短期电力负荷预测方法[J].农业工程学报，2013,29（14）：178-184
[5]陈芬.赵剑剑.张不涵.一直基于改进分类和回归树的神经元网络电力负荷预测方法[J].长沙电力学院学报（自然科学版），2003.18（3）：34-37
[6]陈佳.郑恩让.崔万照.等.基于小波支持向量回归的电力系统负荷预测[J].现代电子技术，2009,303（16）：135-139
[7]黄湘君.基于主成分分析的BP神经网络在电力系统负荷预测中的应用[J].科技信息，2008,16:313-314
[8]杨红英.叶昊.王桂增.混沌理论在电力系统负荷预测中的应用[J].继电器，2005,33（16）：26-30
[9].张亚军.变权系数组合预测模型在电力系统负荷预测中的应用研究[D].西南交通大学，2007
[10]苏蔚.基于神经网络的电力系统负荷预测[D].天津大学，2011
[11]李翔.基于高等计量经济学的电力系统负荷预测[D].东南大学，2007
[12]罗志强.粗集理论在电力系统负荷预测中的应用研究[D].上海交通大学，2003
[13]辛雷.基于粒子群优化灰色模型的电力系统负荷预测[A].中国电机工程学会第十届青年学术会议论文集，2008
[14]杨中华.一元线性回归模型在电力系统负荷预测中的应用与MATLAB实现[D].科技信息，2012,35（12）
[15]孟垂懿.黄秋瑜.邹全平.相似日匹配法在电力系统负荷预测中的应用
[D].科技信息（学术研究），2007，（17）：109-111
合同管理系统的设计与实现文献综述
文献综述 1 前言 合同管理是企业管理中不可缺少的组成部分，完善的合同管理是企业健康运作的一个重要标志。由于合同形式的多样性和履行过程的多变性，许多企业对此很少有一个较好的办法来及时有效地实施合同的起草、修改、统计、监控等一系列管理工作。一个合格的合同管理信息系统应该包括签署合同方资料档案、合同资料档案的管理，合同付款处理、查询、汇总的管理，合同收款处理、查询、汇总的管理，以及合同到期未付完款、到期未收完款的全面跟踪监管控制，并具有严格的系统用户及分级权限控制，保证了企业合同数据的严格保密性。目前，很多企业采用传统的人工管理方式结合电子表格来进行合同管理，这种管理方式存在着诸多弊端，如：效率低、保密性差、电子表格容量小、关联性差、,不易于查询、更新和维护等。 2合同管理及合同管理系统 企业合同管理是指企业对以自身为当事人的合同依法进行订立、履行、变更、解除、转让、终止以及审查、监督、控制等一系列行为的总称。其中订立、履行、变更、解除、转让、终止是合同管理的内容；审查、监督、控制是合同管理的手段。合同管理必须是全过程的、系统性的、动态性的。合同管理系统，是建立在信息技术基础上，利用现代企业的先进管理思想，为企业提供决策、计划、控制与经营绩效评估的全方位、系统化的合同管理平台。 2.1合同管理的现状及发展趋势 合同管理全过程就是由洽谈、草拟、签订、生效开始，直至合同失效为止。不仅要重视签订前的管理，更要重视签订后的管理。系统性就是凡涉及合同条款内容的各部门都要一起来管理。动态性就是注重履约全过程的情况变化，特别要掌握对自己不利的变化，及时对合同进行修改、变更、补充或中止和终止。 在项目管理中，合同管理是一个较新的管理职能。在国外，从二十世纪七十年代初开始，随着工程项目管理理论研究和实际经验的积累，人们越来越重视对合同管理的研究。在发达国家，八十年代前人们较多地从法律方面研究合同；在八十年代，人们较多地研究合同事务管理；从八十年代中期以后，人们开始更多
浅谈电力系统短期负荷预测
龙源期刊网 https://www.360docs.net/doc/219169608.html, 浅谈电力系统短期负荷预测 作者：李家龙王蒙谷心洋 来源：《中国科技纵横》2017年第03期 摘要：研究了气象因素（温度、湿度、降雨量等）对电力系统负荷的具体影响，结果表明：温度对预测结果影响最大。建立了指数平滑模型、动态神经网络模型对电力系统短期负荷进行预测，对两种预测模型的优缺点进行了比较。结果表明：三次指数平滑能很好的预测短期负荷的发展趋势，而动态神经网络模型有更高预测结果精度。最后通过算例进行了说明。 关键词：电力系统；负荷预测；气象因素；预测模型 中图分类号：TM715 文献标识码：A 文章编号：1671-2064（2017）03-0171-02 1引言 电力系统短期负荷预测，在国内都有相关的研究，如文献[1]构建了一种基于统计分析的 负荷规律性评价方法。在此基础上，建立了预估负荷预报误差极限的分析方法。运用所提出的方法对负荷变化的规律性进行评价。文献[2]利用BP神经网络进行电力系统短期负荷预测，在保证有足够的训练样本的前提下，对预测模型进行合理分类，构造了相应于不同季节的周预测、日预测模型，文献[3]从不同角度对气象因素对电网负荷影响进行了深入的分析，介绍了 国内外的研究现状，提出了气象因素对短期负荷预测影响分析的思路、方法和意义，讨论了常用电力负荷特性的分析方法，文献[4]短期负荷预测的“双周期加混沌”法是基于负荷记录数学性质的预测方法.为了进一步提高其预测精度而提出的三项改进。 以上研究都没有深入研究气象因素对短期负荷预测的具体影响，给出较为直观的数字；研究表明，气象因素是影响短期负荷的主要因素，温度、风速、降雨量、等都对负荷产生一定程度的影响。气温是对负荷影响最大的气象因素。故各气象因素与负荷之间存在一定的相关性。本文讨论了象因素对短期负荷预测的具体影响，建立三次指数平滑模型和动态神经网络模型对负荷进行预测。 2 问题描述 短期负荷预测是电力系统运行与分析的基础，提高负荷预测精度，是保障电力系统优化决策科学性的重要手段。现代电力系统中，气象因素（温度、湿度、降雨量等）对电力系统负荷的影响愈显突出。考虑气象因素成为调度中心进一步改进负荷预测精度的主要手段之一。 符号说明： 最近几天t时刻的负荷平均值
电力负荷预测方法与应用
电力负荷预测方法与应用 一、概述 电力工业是国民经济的基础工业。随着我国产业结构完善和人民整体生活水平的改善，对电能的需求逐年加大，同时对电力质量的要求也越来越高，且由于电能生产和消费的同时性，对电网建设和布局提出了更高的要求。 电力负荷预测是电网规划建设的依据和基础。随着电力工业在国民经济中扮演着越来越重要的角色，电力负荷的正确预测显得尤为重要。 电力负荷预测是指通过对电力系统负荷历史数据的分析和研究，运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法，探索事物之间的内在联系和发展变化规律，对未来的负荷发展做出预先估计和推测。电力负荷预测结果的准确与否直接关系到电力投资的效益，供电的可靠性，用电需求的正常发展，以及社会的经济效益和社会效益。但要做到预测准确或较准确是很困难的，因为影响电力负荷预测的因素相当多，且由于各地区产业结构和人民生活水平不同，各具体因素对电力负荷预测的敏感度是不一样的，因而电力负荷预测具模糊性。 回顾我国“十五”期间的预测情况与实际发展情况是很有意义的。 基于“九五”期间国民经济和电力工业的发展状况，在全国电力供需趋于平衡的前提下，我国制定的“十五”规划对电力工业发展提出了“可持续发展”的要求：电力工业发展方式要从数量速度型向质量效益型转变，从以供给导向为主转向以需求导向为主，优化电力资源配置。国家经贸委电力工业“十五”规划中预测：“十五”期间我国经济增长速度为年均7%左右，电力需求的平均增长速度为5%，到2005年全国发电装机容量将达到3.9亿千瓦，全国发电量将达到17500亿千瓦时以上。国家电力公司电力工业“十五”计划及2015年远景规划中预测：“十五”期间我国GDP年均增长7%左右，电力需求的平均增长速度在4.5%~5.0%之间，到2005年全国发电装机容量将达到3.65亿千瓦，全社会用电量将达到16200亿~16600亿千瓦时。 但实际的情况是：截至2005年年底，全国发电装机容量达到5.17亿千瓦，全国发电量达到24975.26亿千瓦时，全社会用电量为24689亿千瓦时。 比较我国“十五”期间电力工业发展中发电装机容量、发电量与全社会用电量等参数的预测值与实际值，可以发现我国“十五”电力规划中全国发电装机容量、发电量和全社会用电量的误差分别高达33%、43%和50%，这还是在2002年下半年至2005年间严重限电情况下发生的值，实际的电力需求值比这还高很多，也即误差比这还要高的多。这直接导致了自2002年6月以来的全国电力供需严重紧缺状态，直至“十五”末期电力供需形势总体来说仍然处于紧张状态，2005年曾在一季度拉闸限电省份达创纪录的26个，最大限负荷达3400万千瓦。而“十五”期间的严重缺电，不仅成为影响国民经济快速发展的“瓶颈”，其隐性损失更是不可估量：
电力系统短期负荷预测方法研究综述
电力系统短期负荷预测方法研究综述 发表时间：2018-12-25T16:14:08.417Z 来源：《电力设备》2018年第23期作者：尹强 [导读] 摘要：随着电力工业发展的不断市场化，在与社会经济效益息息相关的当下，系统负荷预测在电力行业中扮演着愈加重要的角色。 （国网四川省电力公司攀枝花供电公司四川攀枝花 617000） 摘要：随着电力工业发展的不断市场化，在与社会经济效益息息相关的当下，系统负荷预测在电力行业中扮演着愈加重要的角色。而按照预测时间的长短，可将负荷预测模式分为长期，中期，短期和超短期。其中，短期负荷预测是电力系统稳定经济运行的基础，其预测结果将直接影响着电力系统控制过程的优良。因此关于短期负荷预测的精确性已逐步发展成为电力系统自动化领域中的一项重要研究课题。 关键词：电力系统；短期负荷；预测方法 一、负荷数据预处理 历史负荷数据由于多种原因可能会造成部分数据的丢失或者数据异常，异常的历史负荷数据会对短期负荷预测结果造成很大的影响。因此，想要提高短期负荷预测结果的精确度，在进行预测前，需对负荷数据进行预处理。传统的数据预处理方法包括插值法和纵向比较法等，为了提高预测的精确度又提出了双向比较法、滤波法、切比雪夫不等式法等多种数据预处理新方法。文献提出了用Savitzky-Golay平滑滤波器去处理历史负荷数据，与其它平均方法相比，本方法保留了原始数据的分布特性。文献利用粗糙集理论的属性，在保证历史负荷和气象因数等属性的情况下，推导出的预测负荷值满足一定的精确度，剔除属性集中的冗余信息，简化了判断规则，并利用遗传算法的全局搜索能力，挖掘得到相对预测量的最小约简属性集作为预测模型的输入变量。 二、短期电力负荷预测 短期电力负荷预测的特点。电力负荷预测是根据电力负荷和其影响因素的历史数据，结合实际情况建立相关的模型，对未来用电负荷量进行科学预测。短期负荷更是具有以下明显的特点：预测结果的不确定性和随机性；由于各类负荷预测都是在特定的环境和具体的条件下进行的，因此其具有条件性；短期负荷预测在时间上都有一定的限制，所以具有时间性；由于预测结果的不准确性和条件性，加上外部因素的不确定性，因此预测结果具有多方案性。 影响电力负荷预测精度的因素。在电力系统负荷预测的过程中，预测精度是最具有影响力的一个指标。过预测或欠预测均会对系统生产运行配送造成较为严重的后果。影响负荷的因素有很多，首要便是天气因素。而作为可估计的随机事件，气象预报本身不准确又会形成双重误差。再者，我国人口数量众多，贫富差距较大，因此随机负荷部分并非平稳的随机序列，反而有较大的不确定性。另外，一些特殊事件的随机发生也会使反映负荷的周期曲线产生较大的波动，使实际数据与影响因素之间的关系样本数难以确定。 三、智能预测方法 （一）专家系统法 专家系统法是根据某一领域的专家知识和专家经验建立的一个计算机系统，并且该系统能够运用这些知识和经验对未来进行合理的预测。知识库、推理机、知识获取部分和解释部分是一个完整专家系统的主要组成部分。通过该系统，运行人员能够识别预测日的类型，考虑天气对负荷预测的影响。专家系统法的优点是能够综合考虑多个影响因素，由于是一个计算机系统，该系统具有较好的透明性和交互性，对所得出的结论，能解释其依据，便于运行人员检查和修改，而且预测结果的精确度很高，能很好的反映负荷实际情况。不足之处就是需要大量的历史负荷数据，而数据量增多会导致运算速度慢；同时该算法不具有自主学习能力和利用模糊知识处理相关问题的能力；并且该算法拥有很强的规则性，而规则本身不具有普遍适应性，所以该预测方法不具备普遍适用性。 （二）人工神经网络法 人工神经网络是模仿人脑神经网络进行学习和处理问题的非线性系统。它由若干个具有并行运算功能的神经元节点及连接它们的相应的权值构成，通过激励函数实现输入变量到输出变量之间的非线性映射。用历史负荷作为训练样本去建立适宜的网络结构，当训练的网络结构达到预测要求后，就用此网络作为负荷预测的预测模型。人工神经网络的优点是对预测模型的要求不高，对高度非线性对象非常适用，具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，拥有的特点是其它算法所不具备的。不足之处是有很慢的学习收敛速度，也有可能结果收敛到局部最小点，并且没有很好的知识表达能力，对调度人员经验中存在的模糊知识没有得到充分的利用，依据主观经验确定网络层数和神经元个数。把人工神经网络方法运用于风电功率短期预测中，以数值天气预报为基础，拥有良好的人机交互界面，与能量管理系统实现了完美的连接，预测结果拥有良好的精确度。组合的预测方法，把人工神经网络法和经验模式分解相结合，用经验模式分解的自适应性，分别对各个分量进行分析，准确的把握负荷变化特性和环境因素影响，最后采用与分量相匹配的人工神经网络法进行预测。用人工神经网络去预测负荷模型的方法，用人工神经网络对最大、最小负荷时刻的负荷模型参数进行预测，分析了负荷模型与预测结果之间的灵敏度，以便了解它们之间的影响程度，去寻找提高精确度的方法。 四、支持向量机 支持向量机与神经网络类似，都是学习型的机制，但与神经网络不同，SVM使用的是数学方法和优化技术。其中支持向量是指那些在间隔区边缘的训练样本点，该方法给定一组训练样本，每个标记为属于两类，一个SVM训练算法建立了一个模型，分配新的实例为一类或其他类，使其成为非概率二元线性分类。应用SVM进行电力系统负荷预测具有精度高、速度快等优点，不足之处在于存贮需求量大，编程困难，实际应用较难。 五、灰色模型法 灰色模型法是一种针对含有未知且不确定因素的系统进行预测的方法。通过对部分已知信息的开发，生成并提取有用信息，从而对系统运行行为和其演化规律进行正确且有效的描述和监控。该方法可在数据缺失的情况下找出某个时间段内数据变化的规律，以此建立负荷预测模型。灰色模型法分为普通灰色系统模型和最优化灰色模型两种。普通灰色预测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此方法的优势得以凸显———其预测精度高、所需样本少、人工耗时短且计算量小，所得预测结果还可以进行检验。缺点是对于具有波动性较大的电力负荷预测误差较大，因此并不适用于实际情况。但最优化灰色模型可以把波动幅度较大的原始数据序列变换成规律性较强的成指数递增变化的序列，以此来适应灰色模型法所需条件，大大增加了适用范围和预测精度。灰色模型法能很好的适用于
CRM客户关系管理系统文献综述
CRM 客户关系管理系统文献综述 1 毕业设计材料：文献综述 课题名称：CRM 客户关系管理系统 专业：软件开发与测试 学生姓名：李祥坤 班级：0813113 学号：30 指导教师：卢正洪 完成日期：2011-10-23 CRM 客户关系管理系统文献综述 摘要：随着经济的全球化和网络化成为世界经济发展的必然趋势,以及公司之间的竞争日趋激烈, 客户己经成为企业与公司争夺的焦点。客户关系管理(Customer Relationship Management ,CRM) 系统作为一种新型的客户关系管理系统应运而生。本文简要介绍了CRM 系统的结构和分类,以及CRM 的发展，同时对CRM 系统的设计原理和基本功能作出了描述，在此基础上详细分析了客户关系管理应用系统设计的模式。 关键词：客户关系管理、管理系统、CRM 系统、客户 一、CRM 概述 1、CRM 的体系结构
CRM 是一种旨在改善企业与客户之间关系的管理机制,利用现代信息技术在企业和客户之间建立一种数字、实时、互动的交流管理系统[1 ] 。从逻辑模型角度来讲,一个完整的CRM 系统分为三个层次:界面层、功能层和支持层。其中,界面层是用户与系统之间进行交互、获取或输入信息的接口。通过直观的、简便易用的前台界面,为各项用户操作提供方便。功能层是由各种功能模块构成包括销售自动化、营销自动化、客户支持与服务、呼叫中心、电子商务以及辅助决策等功能模块,执行CRM 的各项基本功能。支持层是保证整个系统正常运行的基础,通常包括数据库管理系统、网络通信协议等。 2、CRM 分类 通常,CRM 系统分为操作型、分析型和协作型三类。 (1)运营型CRM 。运营型CRM 为分析和客户的服务支持提供依据。运营型CRM 收集大量的客户信息、市场活动信息和客户服务的信息,使得销售、市场、服务一体化、规范化和流程化,主要包括销售、市场和服务三个过程的流程化、规范化、自动化和一体化。在销售方面, 包括销售信息管理、销售过程定制、销售过程监控等。在市场营销方面,提供从市场营销活动信息管理、计划预算、项目追踪等功能。 (2)分析型CRM 。分析型CRM 主要是将大容量的销售、服务、市场以及业务数据进行整合,使用决策支持技术,将完整的和可靠的数据转化为有价值的、感兴趣的、可靠的信息,并将信息转化为知识,对未来的发展趋势做出必要而有意义的预测,为整个企业提供战略和战术上的商业决策,为客户服务和新产品的研发提供准确依据,提高企业的竞争能力。 (3)协作型CRM 。协作型CRM 是为了实现全方位地为客户提供交互服务与
电力负荷预测方法
1.负荷预测分类和基础数据处理 1.1负荷预测及其分类 1.1.1负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 1.1.2负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。
1.2负荷预测的基础数据处理 1.2.1负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整） 1.2.2数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 2.1经验技术预测方法 2.1.1专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对
中长期负荷预测方法综述1
中长期负荷预测方法综述 摘要:负荷预测是电力系统规划、供电、调度等部门的重要的基础工作,讨论了负荷预测的特点、分类及各种成熟的负荷预测技术,研究了现代负荷预测技术的发展动态,并指出未来主要的研究方向。 中长期负荷预测各种预测方法都具有其各自的优缺点和适用范围,在实际预测工作中,必须根据实际情况,着重从预测目标、期限、精确度等诸多方面作出合理选择,寻求能获取所需精度的预测方法。本文针对电力系统中长期电力负荷预测方法做出分析。 关键字：负荷预测、中长期负荷、负荷预测方法、负荷预测综述 正文：负荷预测是从已知的电力需求出发,通过对历史数据的分析, 并考虑政治、经济、气候等相关因素,对未来的用电需求做出估计和预测。负荷预测是电力系统规划、供电、调度等部门的重要的基础工作。对于经济合理地安排发电机组的启停及检修计划,保持电网安全稳定运行以及未来电网的增容和改建等有十分重要的用。 电力系统负荷预测是电力系统安全经济调度、规划、设计研究的基础和前提，准确的负荷预测结果将意味着在满足供电质量要求的条件下对系统建设资金最大可能限度的利用和有限投资的最大社会经 济效益的获得,负荷预测工作因而引起了人们的普遍关注随着电力 系统的迅速发展尤其是我国电力工业市场化改革的推行负荷预测 工作面临如何准确合理地考虑电力工业市场化后对实际电力负荷从大小到特性上的影响和给整个系统运行规划带来的变化的难题可以
设想在强大的市场压力和竞争机制作用下适用于电力市场环境下 的负荷预测理论和算法必将获得突破性研究成果 随着我国国民经济的快速发展和人民生活水平的不断提高,人们对电量需求量以及电能质量的要求也越来越高。、 一、基于参数模型的中长期电力负荷预测方法 1.趋势外推方法。将已有的各年度的电力负荷看作一个时间序列,利用最小二乘拟合等方法寻求电力负荷与时间的函数关系,并利用这个函数关系预测以后年度的电力负荷。趋势外推方法可以保证对历史数据的拟合是最好的,但不能保证外推效果的可靠性。 2.回归分析方法。回归分析预测是电力系统负荷预测的一种常用方法,根据回归分析涉及变量的多少,可以分为单元回归分析和多元回归分析。在回归分析中,随机变量是自变量,非随机变量是因变量,由给定的多组自变量和因变量资料究二者之间的关系,形成回归方程。回归方程求得后,给定各自变量数值,就可求出因变量值。回归方程根据自变量和因变量之间的函数形式,又可分为线性回归方程和非线性回归方程。在负荷回归分析法方法简单、预测速度快、外推性好,对于历史预测问题中,回归方程的因变量一般是电力系统负荷,自变量是影 响电力系统负荷的各种因素,如经济、人口、气候等。上未出现的情况有较好的预测性。但它对数据的要求高,特别是历史数据残缺或存在较大误差的情况下,预测效果很不理想;用线性方法描述比较复杂
电力系统短期负荷预测方法综述
电力系统短期负荷预测方法综述 本文主要是针对电力系统的短期负荷预测的概念和意义 进行综述，就短期负荷预测的一些特点及其影响预测精度的各方面原因进行总体的分析。在目前的预测方法里，主要有经典的预测方法和传统的预测方法以及智能预测方法和预测新方法。从这些预测方法入手进行综合的应用原理分析，比较其不同预测方法的优点及不足的地方。并且提出了短期负荷预测的精度提升了，不仅在历史的数据上重视了其积累，还应重视在预测的模型选择上要合适，综合型预测模型在未来电力负荷预测方法的必然性。 标签：电力系统短期负荷预测 电力负荷预测在能量的管理系统组成中是极为重要的部分，而短期电力负荷预测则是对几个小时后或是一天、几天的电力负荷值上进行预报。短期电力负荷预测不仅在电力系统安全以及经济的运作下提供了相关保障，还为市场的环境编排高度计划等打下了基础。不过在这个电力生产与消费的日趋市场化下，针对负荷预测的准确及可靠性上也有了更为高的要求，而且就电力系统管理与运行来讲其负荷预测逐渐成为了一个主要的研究领域。预测精度是决定短期负荷预测的作用大小的，所以在短期负荷预测方法研究的重点上是如何对预测精度进行提高。虽然短期负荷预测的研究历史已經很长远了，国内外的学者也对其在方法还有理论方面对于预测模型进行研究工作。当短期负荷出现因素太多的情况下，从而限制了预测方法的范围以及精度。下文针对短期的预测方法展开一个综合性的探析。在研究未来发展方向的同时也为实际情况下短期负荷的预测提供了一个基础。 1 基于短期负荷的预测特点 对于短期电力负荷来讲其预测便是基于在电力负荷以及相关的历史数据对模型进行全面的建立，从而使得新世纪型的电力负荷更具备科学性和全面性。对于短期负荷所面临的事件不确定性以及其随机性，包含了各种特点：①在预测的结果上其短期的负荷存在着一定的不确定性。②不同的负荷预测方法存在相应的条件性。③短期负荷预测在时间上各有不同。④预测的结果包含多方案性。 短期负荷预测精度的影响因素：①以往历史数据。②自然天气情况。③其日期类型。④负荷预测模型。⑤相关社会事件等。 2 简述短期负荷预测方法 短期负荷由于受到来自不同方向的因素影响，面临时间序列问题上其随机的过程表现的很不平稳，就算面临的影响因素包罗万象，不过在这些因素中都存在一个特点那就是有规律性。能够为实际预测打下基础，其短期负荷预测的方法大致分为四类。
管理信息系统文献综述
管理信息系统文献综述 班级：信管11302 姓名：王丽健学号：201306609 摘要：随着社会的发展，管理信息系统越来越受到人们的关注，信息技术的飞速发展，将世界带人了知识经济时代。信息技术越来越成为新生产力的代表，建立一个优良的信息系统，有利于信息的处理。管理信息系统专业的培养目标是培养企业信息化人才。随着当前信息化人才的分工细化，在专业培养方案中可以采取大专业中的不同培养方向。这既符合企业的不同需求，也符合因材施教的原则。 关键词：信息管理与信息系统专业培养方案建设的思考 引言 为了适应社会对信息技术人才的需求，我校于2006年起开办了信息管理与信息系统本科专业。目前国内大多数院校都开设了该专业。为了提高所培养的学生的综合素质和应用能力，我进行了积极的探索和研究。在美国大学的本科专业设置中，信息管理与信息系统是信息科学专业下的分支方向。作为一门交叉学科，信息管理与信息系统专业既要求学生学习管理类知识，又需要与信息技术有机的融合，因而对专业建设提出了更高、更新的要求。 一、专业培养方案更新的建设意见和思路 培养目标的细分和完善根据目前的培养方案，信息管理和信息系统专业的培养目标是培养企业信息化人才。在培养方向上可有以下三个方向。 l、企业管理信息系统方向培养目标是培养可以担当企业信息化中管理信息系统的建设和维护工作。目前大中型企业特别是在中外合资企业和外商独资企业中，管理信息系统被广泛使用。企业资源规划(ERP)的概念已经被广泛所接受。该方向应该以管理信息系统和企业资源规划为培养重点。利用目前管理学院与国内知名的企业管理软件制
造企业金蝶所共同建立的企业资源规划(ERP)的实验室，开展符合企业生产、经营实际的案例教学，特别是重视企业资源规划(ERP)的课程设计，要求学生在校期间要熟练掌握ERP的使用，了解企业运作的业务流程，并对其中的某个流程如产品生产、供应链管理等相当熟悉。 2、网络安全和网络管理培养目标是培养可以担当企业中或专业汀服务机构的网络安全和网络管理工作的人才。现在越来越多的企业运用网络技术开展生产经营活动。而来自企业内外部的信息安全威胁已经为企业的正常运作埋下了隐患。大部分建立了自身网站的企业缺乏网络人侵防御机制，没有响应的安全策略和措施，一旦遭到黑客的人侵，企业的重要信息将泄漏，并给企业造成巨大的损失。另一方面企业的内部网络(D扛RENET)也需要进行严格管理，对网络的运行进行维护和管理。作为企业中的网络管理员，应合理调配资源，控制企业中的不良访问。伴随着企业信息化的进程，不少企业开始采用远程分销体系，例如温州的美特斯·邦威集团公司采用了远程分销体系给企业带来了明显的经济效益。总部远程调控，实时掌握各门店的销售信息、库存信息、财务信息等，并加以综合分析。而这一切都归功于企业虚拟网(VrN)因而在该方向的培养中应该以计算机网络、企业网络应用和网络安全为重点。建设相应配套的先进网络技术和网络安全实验室被提到议事日程上来，这将有利于学生在实验室中就可以直接以企业的实际运作方式进行网络管理的模拟，以及网络信息安全的实践学习。 3、多媒体技术信息管理和信息系统管理专业的培养不能拘泥于既定的课程体系，也要适应当前形势发展的需要。网络传输技术飞速发展，目前正处nN4向正佰的过渡中，因此多媒体技术在新的网络条件下又有了新的发展动向。流媒体点播已成为当前的热点并成为一种新的网络盈利模式。而月少6H动画的风靡更证明多媒体技术成为了网络经济的新动力，并形成了产业。应充分考虑社会的需求而进行调整，在教学中应把最新的技术发展趋势介绍给学生，并引导学生从事多媒
短期电力系统负荷预测方法综述
技术与市场专题研究2015年第22卷第5期 短期电力系统负荷预测方法综述 杜雅楠1,郭志娟2,吕灵芝1,母建茹,袁一鹏1 (1.华北水利水电大学,河南郑州450045; 2.中电投河南电力有限公司平顶山发电公司,河南平顶山467000) 摘一要:短期电力系统负荷预测对电力系统的调度运行和生产计划有很大影响三准确的负荷预测有助于提高电力系统的安全性二稳定性二经济性,随着电力市场的建立与发展,短期负荷预测将发挥越来越重要的作用三简述了短期电力系统负荷预测的概念和意义,对现有的短期负荷预测方法进行分类,介绍了各种预测方法的原理,讨论了各种方法的优点与不足,并对电力系统负荷预测方法未来的发展方向作出了展望三 关键词:电力系统;短期负荷预测;方法模型 doi:10.3969/j.issn.1006-8554.2015.05.212 0一引言 电力系统负荷预测是电力系统规划的重要组成部分,也是 电力系统经济运行的基础三它从已知的用电需求出发,充分考 虑政治二经济二气候等相关因素的影响,预测未来的用电需求三 负荷预测包含两方面含义[1]:对未来需求量(功率)的预测和未来用电量(能量)的预测三电力需求量的预测决定发电二输 电二配电系统新增容量的大小;电能预测决定发电设备的类型(如调峰机组二基荷机组等)三电力系统负荷预测的结果可以在一定程度上反映负荷的发展状况和水平,电力生产部门和管理部门以此为依据制定生产计划和发展规划,确定各供电区域各规划年供用电量二供用电最大负荷和规划地区总的发展水平,确定各规划年用电负荷构成[1-5]三 电力系统负荷预测一直是一个重要的研究课题,国内外学 者进行了广泛的研究工作,提出了多种有效的预测方法三本文 对这些方法进行了归纳二分类,概述了各种预测方法的原理,并 对它们的优点与不足进行讨论三在此基础上对电力系统负荷 预测方法未来的发展方向做出展望,为实际负荷预测工作提供 借鉴三 1一电力系统负荷预测方法分类 电力负荷预测可以分为长期负荷预测二中期负荷预测二短 期负荷预测以及超短期电力负荷预测[3]三本文研究的负荷预测主要针对未来一星期时间内的任何一天的短期电力负荷预测,提高短期电力负荷的预测精度对电力系统安全二稳定二经济运行,最优潮流计算以及实现合理调度有着举足轻重的意义三世界各国对短期电力负荷预测的研究已经有较长的历史,世界许多优秀专家二学者在短期负荷预测领域都做了大量的研究与实验,并且在该领域取得了较大的进展三学者们提出了许多短期负荷预测的方法,其中主要的预测方法可以分为以下几类:经典预测法二传统预测法二现代预测法[4]三 2一经典负荷预测 经典负荷预测技术严格来讲不能称为真正的负荷预测方 法,该方法运用简单的变量关系以及运行经验,针对未来的电 力负荷变化做出方向性结论,其预测的精准度并不理想,在实 际应用中过度依赖于值班人员或学者的相关经验,在实际运用 中往往采用该方法对预测结果进行验证三经典负荷预测技术 包括:单耗法二人均电量指标换算法二弹性系数法二分区负荷密度法等[5]三 3一传统负荷预测 传统的负荷预测方法主要包括时间序列法二趋势外推法二回归分析法和灰色模型法等[6]三 3．1一时间序列法[7] 所谓时间序列法,就是把电力负荷看成一种时间序列的集合,根据电力负荷历史数据抽象出负荷随时间变化的规律,构建预测模型并预测未来负荷的大小三该预测方法在系统稳态运行二环境因素相对稳定的情况下效果较好三如果电网存在较大波动或数据库存在坏数据时,预测结果并不理想三3．2一趋势外推法[8] 趋势外推法又称为趋势曲线拟合二曲线回归或曲线分析,是一种定量预测法三该方法在历史数据的基础上,抽象并总结出待测数据的变化规律,绘出反映该规律的拟合曲线,同时建立已有数据随时间变化的模型y=f(t)三假设该曲线能够延伸,将时间t赋予未来需要的值,并通过高等数学计算便可以得到待测数据三趋势外推法在处理历史负荷数据以及曲线拟合过程中都不考虑随机误差三运用该方法时应当注意,不同预测模型间的曲线拟合度相差很大,当趋势曲线选取合适时预测结果比较理想,否则预测误差会很大,所以应该依据不同的区域构建恰当的模型三最常用的趋势模型有:线性趋势模型二多项式趋势模型二对数趋势模型等三 3．3一回归分析法[9] 该方法通过电力负荷历史数据建立数学模型,利用数量统计中的回归分析法对变量观测数据进行分析,并依据变量间的相互关系来预测未来电力负荷三在回归分析法中,受负荷因子不确定性以及多样性的影响,该方法在有些情况下有较大误差三为此,需要用模糊线性回归法将回归系数模糊化,使预测结果更加精确三 3.4一灰色模型法[10] 该方法以灰色系统理论为基础,对含有不确定因素的系统进行预测,在数据不多的情况下找出某个时间内的作用规律并以此建立预测模型三灰色模型法包括普通灰色系统模型和最优灰色预测模型,前者是一种增长模型,当负荷严格按照指数规律增长时,该预测方法预测精度高二计算简洁,但是对于有波动性的系统而言,其预测精度较低三最优灰色预测模型把有波 933
负荷预测方法一
1、单耗法 这个方法是根据预测期的产品产量（或产值）和用电单耗计算需要的用电量，即 A h ＝∑=n i 1Q i U i 式中 A h —某行业预测期的需电量； U i —各种产品（产值）用电单耗； Q i —各种产品产量（或产值）。 当分别算出各行业的需用电量之后，把它们相加，就可以得到全部行业的需用电量。这个方法适用于工业比重大的系统。对于中近期负荷预测（中期负荷预测的前5年），此时，用户已有生产或建设计划，根据我国的多年经验，用单耗法是有效的。 在已知某规划年的需电量后，可用年最大负荷利用小时数来预测年最大负荷，即 P n·max =T A n m ax 式中 P n·max —年最大负荷（MW ）； A n —年需用电量（k W·h ）； T max —年最大负荷利用小时数（h ）。 各电力系统的年最大负荷利用小时数，可根据历史统计资料及今后用电结构变化情况分析确定。 单耗法分产品单耗法和产值单耗法。采用单耗法预测负荷的关键是确定适当的产品单耗或产值单耗。 单耗法可用于计算工业用户的负荷预测。 单耗法可根据第一、第二、第三产业单位用电量创造的经济价值，从预测经济指标推算用电需求量，加上居民生活用电量，构成全社会用电量。预测时，通过对过去的单位产值耗电量(以下简称“单耗”) 进行统计分析，并结合产业结构调整，找出一定的规律，预测规划第一、第二、第三产业的综合单耗，然后根据国民经济和社会发展规划指标，按单耗进行预测。单耗法需要做大量细致的统计、分析工作，近期预测效果较佳。 单耗法的优点是方法简单，对短期负荷预测效果较好。缺点是需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。
高校信息管理系统文献综述
高校信息管理系统文献综述 徐振兴 摘要：随着现代高校的学生日益增多，高校的信息管理越来越复杂。以前 的管理模式很快就适应不了现在庞大的数据信息量。基于此，开发一个针对高校的信息管理系统变得有必要，此系统可以让所有的管理学校信息的工作人员从繁重的工作中解脱出来，提高工作效率。 关键词：高校，信息管理，工作效率 一．前言 高校信息管理系统是典型的信息管理系统(MIS), 是一个由管理人员和计算机组成的用以进行信息的收集、传输、加工、存储、维护和使用的系统。它代替传统的人工模式，提高学生信息管理的效率，也是学校的科学化、正规化管理,与世界接轨的重要条件。对于推动我国管理信息处理的现代化起了重要的作用。其开发主要包括后台数据库的建立和维护以及前端应用程序的开发两个方面。对于前者要求建立起数据一致性和完整性强、数据安全性好的库。而对于后者则要求应用程序功能完备,易使用等特点。 二．国内相关研究及现状 高校信息管理是教学管理中的一项重要工作，成绩管理是一项工作量大、时间性强、易于出错且具有一定保密性的业务。特别是随着高校的不断扩招，进入高校的大学生越来越多，高校信息管理工作量将大幅度增加，如果全由手工完成，耗时巨大，效率却很低。在信息时代的今天,数据库技术在数据处理方面的应用已经非常广泛,作为高校教育工作一部分的高校信息信息管理更应赶上时代的步伐。因此，开发一套适合学校专业设置的计算机化高校信息管理系统，不仅可以提高学校的管理效率，而且可以使我们的教学管理水平更上一层楼。系统的开发主要包括后台数据库的建立、维护以及前端应用程序的开发两个方面。对于前者要求建立数据一致性和完整性强、数据安全性好的数据库。而对于后者则要求应用程序以尽可能的方便用户使用为宗旨，还要尽可能的实用。纵观目前国内研究现状，在数据安全性和信息更新化方面仍存在有一定的不足，各现有系统资料单独建立，共享性差；在以管理者为主体的方式中，信息取舍依赖管理者对于信息的认知与喜好，较不容易掌握用户真正的需求，也因此无法完全满足用户的需求。例如，在现已开发设计的高校信息管理系统中，有些系统仍需较多的人工干预及用户操作，有些系统的人机界面不是很好，有些系统则出现了各个独立的子系统能够较好地运行，而子系统之间却不能很好地“协同”工作，数据共享性差的情况。另外，各个子系统之间在界面风格上也相差甚远。这样，给软件系统的
电力系统短期负荷预测方法与预测精度综述_郭华安
研 20 （XJEDU2010116）
研究与开发 2011年第10期 21 据已有的资料和经验，运用一定的方法和模型，分析负荷本身及其有关因素的相互关系，编制负荷预测曲线。在预测过程中，由于受经济，政治，气象，时间等多种随机性因素的影响，短期负荷具有随机性和不确定性。总的来说，短期负荷预测具有以下明显特点： 1）不确定性 电力负荷受多种复杂因素的影响，且这些影响因素有时难以准确确定，这就会导致负荷预测结果的不准确。 2）条件性 负荷未来发展的不确定性，导致条件无法确定，因此就需要一些假设条件，在此基础上对负荷进行预测。 3）时间性 科学的负荷预测，要求有比较确切的数量关系和概念，因此，要指明预测的起止时间和历史样本的起止时间。 4）多方案性[4] 不同地区的负荷情况所采用的预测方案是不一样的，我们需要对各种情况下可能的负荷发展状况进行预测，这样短期负荷预测就具有多方案性。 5）周期性 由于人们在长期的社会活动过程中形成了特定的生产和生活方式，使负荷变化具有了一定的规律性，其中最典型的是年周期性、周周期性、日周期性，其中日周期性是日短期负荷预测和超短期负荷预测的依据和基础。 6）连续性 短期电力负荷是连续的，在负荷变化过程中，无论是负荷增加还是减少都要求负荷变化量在一定的范围之内，其外在表现就是负荷的连续性。 7）非线性 短期负荷的变化与其影响因素基本上不存在正比关系，这样在短期负荷预测中应用线性模型进行预测效果就会比较差。 8）相似性 在实际的负荷预测过程中，负荷预测结果在相对应的阶段呈现相近的情况，事实上，我们在负荷预测过程中使用类推法和历史类比法，就是基于这个特点。 1.2 影响负荷预测精度的因素 精度是负荷预测最重要的指标。在电力系统短期负荷预测中，影响短期负荷预测精度的因素是多方面的，但主要是以下几方面： 1）历史数据 历史负荷数据在很大程度上决定了未来预测负荷的水平，然而负荷预测所需的大量历史资料并不能保证其绝对准确可靠，在一定程度上必然会带来一些预测误差。 2）经济因素 经济环境的好坏和经济发展状况对负荷预测是有重要影响的。一般来说，经济发展比较好的情况下，负荷水平就提升的比较快；反之，负荷水平就会下降。 3）政治因素 例如军事冲突等，此类事件出现的概率很小，但是一旦出现就会对负荷造成重大影响。 4）气象因素 影响负荷的天气因素很多，在进行负荷预测时，往往预测模型只考虑研究对象的主要因素，而忽略了许多次要的因素，另外，再加上气象预报本身的不准确，会造成双重误差。 5）时间因素 时间的周期性和季节性变化、节假日等时间因素使负荷曲线在不同的时间范围内呈现出不同的特征。 6）样本因素 影响短期电力负荷预测的样本因素包括样本数量、样本质量和样本范围。在进行短期电力负荷预测时，不能仅仅考虑时间、历史数据因素，应该综合考虑影响负荷的各种因素，同时对各个因素进行定量和定性的分析，进而选择最佳样本，使预测更加准确。 7）预测模型 不同负荷预测模型所得出来的预测结果有时是有较大差别的，我们应根据地区实际和特点，选择精确的负荷预测模型。 8）其他因素 在确保电力市场经济性的的情况下，执行峰谷分时电价，在一定程度上对负荷曲线产生了影响；难以确定反映负荷周期性、趋势性以及与影响因素之间关系的样本数；有些突发事件，如拉闸限电、冲击负荷、停电检修和重大活动等都可能会对系统负荷产生很大的影响；大电网（网、省级）负荷变化一般都有较强的统计规律性，预测结果比较准确，
电力负荷预测方法
1.负荷预测分类和基础数据处理 负荷预测及其分类 负荷预测概念 负荷预测是根据负荷的历史数据及其相关影响因素，分析负荷的变化规律，综合考虑影响负荷变化的原因，使用一定的预测模型和方法，以未来经济形势、社会发展、气候条件、气象因素等预测结果为依据，估计未来某时段的负荷数值过程。 负荷预测的分类 按照预测方法的参考体系，工程上的负荷预测方法可分为确定性预测方法、不确定预测方法、空间负荷预测法。 确定性：把电力负荷预测用一个或一组方程来描述，电力负荷与变量之间有明确的一一对应关系。 不确定性：实际电力负荷发展变化规律非常复杂，受到很多因素影响，这种影响关系是一种对应和相关关系，不能用简单的显示数学方程描述，为解决这一问题，产生了一类基于类比对应等关系进行推测预测负荷的不度额定预测方法。 空间负荷预测：确定和不确定负荷预测是对负荷总量的预测。空间负荷预测是对负荷空间分布的预测，揭示负荷的地理分布情况。 负荷预测的基础数据处理 负荷预测的基础数据 基础数据大致包括四类，分别为：①负荷数据（系统、区域、母线、行业、大用户的历史数据；负荷控制数据；系统、区域、大用户等的最大利用小时数；发电厂厂用电率和网损率。）②气象数据（整点天气预报；整点气象要素资料；年度气温、降水等气象材料。）③经济数据和人口（区域产业GDP；城乡可支配收入；大用户产量、产值和单耗；电价结构和电价政策调整；城乡人口。）④其他时间（特殊时间如大型会议、自然灾害；行政区域调整）
数据处理 为获得较好的预测效果，用于预测数据的合理性得到充分保证，因此需要对历史数据进行合理性分析，去伪存真。最基本要求是：排除由于人为因素带来的错误以及由于统计口径不同带来的误差。另外，尽量减少异常数据（历史上突发事件或由于某些特殊原因会对统计数据带来宠大影响）带来的不良影响。常见的数据处理方法有：数据不全、数据集成、数据变换和数据规约等。 2.确定性负荷预测方法 经验技术预测方法 专家预测法 专家预测发分为专家会议发和专家小组法。会议发通过召集专家开会，面对面讨论问题，每个专家充分发表意见，并听取其他专家意见。小组法以书面形式独立发表个人见解，专家之间相互保密，最后综合给出预测结果。 类比法 类比法是将类似失误进行分析对比，通过已知事物对未知事物做出预测。例如选取国内外类似城市或地区为类比对象，参考该对象的发展轨迹对本地区作出预测。 主观概率发 请若干专家来估计某特定时间发生的主观概率，然后综合得出该时间的概率。 经典技术预测方法 单耗法 通过某一工业产品的平均单位产皮用电量以及该产品的产量，得到生产这种产品的总用电量。 用电量A=国民生产总之或工农业总产值b*产值单耗g
负荷预测方法文献综述
电力系统中传统负荷预测方法的文献综述 负荷预测的核心问题就是预测的技术方法，或者说是预测数学模型。随着现代科学技术的不断进步，负荷预测理论、技术得到了很大的发展，理论研究逐步深入，适合本地特点的预测程序、软件开始出现。但不可否认的是，就目前而言，我国的电力系统负荷的预测技术还是比较落后的，相应的基于软件的技术还不能满足现代社会的需求，有待进一步提高。 传统的负荷预测方法如回归模型法，卡尔曼滤波法，时间序列法，灰色预测法，专家系统法，模糊理论法，神经网络法，小波分析法等。这些传统的预测方法无论是哪种均具有不足和缺陷，随着对负荷预测的深入研究和广泛应用，传统的预测方法的应用越来越难以适应发展，逐渐形成了现代负荷预测方法。 文献【1】针对传统静态神经网络自适应能力差、收敛速度慢、预测精度低的问题,提出了一种基于小波分析和Elman动态神经网络的中长期电力负荷预测方法,该算法通过对原始样本进行小波分解,将分解后的低频趋势信号和高频细节信号分别进行预测,在输出端再进行重构后得到预测曲线;然后就传统负荷预测问题中数据预处理环节的数据校验问题,提出了一种基于小波理论的奇异点检测法,该方法对原始样本进行一维离散小波分解,抽取一层高频细节信号进行分析,根据工程实践中设置的阈值,来检测有可能因为系统故障、人为失误导致的数据记录错误,为准确预测提供了保障。文献【2】提出一种基于人工神经网络的电力负荷预测方法 ,该方法充分吸收了神经网络非线性逼近能力的优点。在神经网络结构设计中充分考虑了电力负荷的特点 ,并用神经网络加权最小方差模型(NNWLS)对样本进行训练。在实际预测中 ,该预测方法取得了比较高的的预测精度。文献【3】针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度。文献【4】为进一步提高电力负荷预测的精度和运算速度,针对短期负荷预测样本数据既有趋