基于数据挖掘技术的电力系统短期负荷预测研究开题报告

1. 研究目的与意义（文献综述）

1.1研究背景

负荷预测是电力系统经济调度、实时控制、运行计划和发展规划的前提，提高负荷预测准确率对保证电网安全、稳定和经济运行都起着极其重要的作用。随着电力系统各项工作精细化程度的加深，对负荷预测工作提出了更多、更高的要求。完整的负荷预测体传统的预测方系包括中长期负荷预测、短期负荷预测、超短期负荷预测以及母线负荷预测等，预测方法有平均增长率法、产业产值单耗法等等[1]。

数据挖掘出现于20世纪80年代后期，90年代有了突飞猛进的发展，并有望在新千年继续繁荣。数据挖掘是一个多学科交叉领域，从多个学科汲取营养，这些学科包括数据库技术、机器学习、统计学、模式识别、信息检索、神经网络、基于知识的系统、人工智能、高性能计算和数据可视化。数据挖掘的本质是从大量数据中提取或“挖掘”有用的知识[2]。

2. 研究的基本内容与方案

2.主要研究内容和方法

本文主要研究内容和基本方法如下：

（1）电力系统负荷特征研究，主要是研究电力系统负荷分类及典型负荷的特点，影响电力系统负荷的因素，负荷预测的基础数据处理以及负荷管理的重要性[11]；

3. 研究计划与安排

3月2日~3月8日：明确毕业设计内容及任务，查阅相关资料，完成开题报告；

3月9日~3月15日：参考文献，了解分析电力系统负荷的特点及其影响因素，找到以进行预测的实际运行的电力系统负荷数据；

3月16日~3月31日：研究数据挖掘技术中的神经网络、svm等方法，分析各方法特征和优点，并使用matlab仿真；

4. 参考文献（12篇以上）

[1]贺辉.电力负荷预测和负荷管理[m].中国电力出版社,2013.

[2]wei han j,kamber v.数据挖掘:概念与技术(原书第二版)[m].机械工业出版社,2007.

[3]kantardzic m.data mining:concepts, models, methods, and algorithms[m].john wiley sons,inc.,2011.