1绪论

1.1选题背景及意义(1)

1.2国内外研究现状(6)

1.3主要工作(6)

2电力需求预测方法

2.1电力负荷的构成及特点(9)

2.2负荷预测的步骤(10)

2.2.1历史数据的收集(10)

2.2.2历史数据的整理(10)

2.2.3负荷数据的预处理(11)

2.2.4负荷预测模型的建立(11)

2.3电力负荷预测方法简介(11)

2.3.1基于参数模型的中长期电力负荷预测方法(12)

2.3.2基于非参数模型的中长期电力负荷预测方法(14)

2.3.3与动态过程结合的预测方法(19)

2.3.4组合预测方法(19)

2.4电力需求预测的难点(21)

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(22)

3.1.1经济发展总体情况(22)

3.1.2能源环境(23)

3.2江苏电力供需形势分析(24)

3.2.1电力供应能力(24)

3.2.2可再生能源发电(26)

3.2.3电力需求情况(27)

3.3影响江苏用电量的因素分析(32)

3.3.1经济因素与用电量的关系分析(32)

3.3.2用电量预测的数据和解释变量选取(36)

4电力需求预测回归模型

4.1多重共线性分析(39)

4.1.1产生多重共线性原因(39)

4.1.2多重共线性的影响(40)

4.1.3多重共线性的诊断(42)

4.1.4解决多重共线性的方法(44)

4.1.5对负荷影响因素多重共线性的实证分析(45)

4.2逐步回归(47)

4.2.1逐步回归法的基本思想和计算方法(47)

4.2.2负荷的逐步回归模型(49)

4.3岭回归(51)

4.3.1岭回归的基本原理和算法(51)

4.3.2负荷的岭回归模型(52)

4.4偏最小二乘回归(54)

4.4.1偏最小二乘回归分析原理和算法(55)

4.4.2基于偏最小二乘回归模型的负荷预测(58)

4.5结论(62)

5电力需求灰色预测模型

5.1灰色系统(63)

5.2灰色模型建模机理(65)

5.3灰色预测模型(66)

5.3.1GM(1,1)预测模型(66)

5.3.2预测精度的检验(67)

5.4模型预测实例(68)

5.4.1模型建立及检验(68)

5.4.2预测结果与检验(70)

6电力需求预测遗传规划模型

6.1遗传规划基本原理(74)

6.1.1算式表达(74)

6.1.2初始个体生成(75)

6.1.3确定适应度(76)

6.1.4复制(76)

6.1.5交叉(76)

6.1.6变异(77)

6.1.7终止准则(77)

6.2负荷预测遗传规划模型(78)

6.2.1负荷预测理论基础(78)

6.2.2算例分析(78)

6.3本章小结(79)

7基于BP神经网络的江苏用电量预测模型研究

7.1引言(80)

7.2全省用电量增长与经济关系分析(80)

7.2.1江苏省GDP、固定资产投资总额、人均收入与用电量关系的定性分析

(80)

7.2.2江苏省GDP、固定资产投资总额、人均收入与用电量关系的定量分析

(81)

7.3BP神经网络的结构和训练方法(82)

7.3.1BP神经网络的结构(82)

7.3.2BP网络的训练方法(82)

7.4基于贝叶斯正则化优化BP神经网络的预测模型(84)

7.4.1正则化方法(84)

7.4.2神经网络的贝叶斯学习(85)

7.4.3贝叶斯正则化BP神经网络训练步骤(86)

7.4.4用电量模型的建立(87)

7.4.5仿真结果及分析(88)

7.4.6预测结果比较(88)

7.5结论(89)

8电力需求预测优选组合模型

8.1优选组合预测方法(90)

8.1.1等权平均组合预测(90)

8.1.2方差协方差优选组合预测(90)

8.1.3回归组合预测(92)

8.1.4模型群优选预测法(93)

8.2神经网络优选组合预测模型(93)

8.3基于回归神经网络的长期电力负荷组合预测模型研究(95)

8.3.1变量间多重共线性的判定(96)

8.3.2回归预测模型(97)

8.3.3负荷组合预测模型(98)

8.3.4负荷组合模型的求解(99)

8.3.5仿真结果及分析(99)

8.3.6预测结果分析(100)

8.3.7结论(102)

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

9.1引言(103)

9.2指标与方法(104)

9.2.1年用电量预测模型变量的选取(104)

9.2.2经济增长与用电量增长的关系分析(104)

9.2.3自变量间多重共线性分析(105)

9.2.4建模方法(105)

9.3预测结果与分析(106)

9.3.1模型结果与拟合度检验(106)

9.3.2模型预测效果分析(108)

9.4结论(108)

10基于时间序列的江苏省用电量预测模型

10.1时间序列及时间序列预测法(110)

10.1.1时间序列及时间序列预测法的概念(110)

10.1.2时间序列预测法的内容(111)

10.1.3时间序列预测法的基本特征(113)

10.2移动平均法(113)

10.2.1简单移动平均法(114)

10.2.2加权移动平均法(114)

10.2.3趋势移动平均法(115)

10.3指数平滑法(118)

10.3.1一次指数平滑法(119)

10.3.2二次指数平滑法(120)

10.3.3三次指数平滑法(123)

10.4自适应滤波算法(126)

10.4.1自适应滤波算法背景(126)

10.4.2典型的自适应滤波算法(126)

10.4.3自适应滤波法的基本过程(127)

10.5ARIMA模型(128)

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

11.1研究方法(131)

11.1.1驱动因素分析方法(131)

11.1.2脱钩效应分析方法(134)

11.2结果与分析(135)

11.2.1用电量耗费驱动因素分解(135)

11.2.2用电量与经济发展脱钩效应(137)

11.3结论(139)

12总结(140)

参考文献(144) 2100433B

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。 本书主要研究电力系统负荷中长期预测技术，传统的预测方法回归分析法，选取其中能消除变量多重共线性的逐步回归、岭回归和偏最小二乘回归；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

在电力科技专著出版基金的资助下,由清华大学电机系康重庆、夏清、刘梅撰写的《电力系统负荷预测》一书,2007年7月由中国电力出版社出版。该书是清华大学电机系近10余年以来在负荷预测方面研究成果的总结,主要探讨电力系统负荷预测的概念、原理、模型、方法及其应用效果,并着重分析了做好负荷预测工作的理念和各种理论与方法的应用方式。全书分为负荷预测总论、中长期负荷预测、短期负荷预测3篇,共20章,44万字。

电力负荷预测包括两方面的含义，即用以指安装在国家机关、企业、居民等用户处的各种用电设备，也可用以描述上述用电设备所消耗的电力电量的数值。

电力负荷预测是以电力负荷为对象进行的一系列预测工作。从预测对象来看，电力负荷预测包括对未来电力需求量（功率）的预测和对未来用电量（能量）的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据。

第一章 负荷预测的基本原理和理念

第二章 数学基础及共性预测方法

第三章 负荷分析与预测

第四章 预测效果的分析和评价

第五章 基于时序趋势外推的基本预测方法

第六章 时序趋势外推预测方法的扩展策略

第七章 中长期负荷相关分析和预测

第八章 中长期负荷预测中的不确定性分析

第九章 中长期预测中多模型的筛选与综合

第十章 年度预测的理论方法

第十一章 月度预测的理论与方法

第十二章 中长期负荷预测系统

第十三章 基于时序分析的正常日预测

第十四章 气象因素对于短期负荷的影响分析

第十五章 直接考虑相关因素的短期负荷预测方法

第十六章 日特征相关因素的规范化处理策略和预测方法

第十七章 预测误差分布特性统计分析与概率性短期负荷预测

第十八章 短期负荷预测的综合模型

第十九章 其他短期负荷预测问题及其解决方法

第二十章 短期/超短期负荷预测系统2100433B