随着市场化改革的深入，电力行业的运行更加市场化，因此，电力企业通常会实行“厂网分开、竞价上网，电厂报价售电”的经营模式。随着发电量的增加，市场上竞争的加剧，电力市场出现供过于求的情况，国内的多数地区形成了买方市场的局面，这是市场竞争和产业结构以及需求结构变化等因素导致的。虽然部分地区仍然会有短缺的情况，但是大量热电厂的火电机组投用，水电、核电等的发展，使买方市场的态势被强化和固定，这是适应我国经济增长态势、产业和产品结构变化的必然结果，在这种情况下，为了提升火电站的经济效益、降低能源的损耗和浪费，需要结合不同的供需水平和生产环节情况，提升电厂的运营水平，使用较为科学的方法对负荷进行合理预测，使热电站的运行更加长久、经济，通过合理安排生产计划，降低故障和不恰当排产对电站经济效益的影响。
当前，国内对于环境保护、经济增长的质量等问题日益重视，国家通过立法、税收和财政支持等手段强化对高耗能产业的管理，但是同时，为了生产的平稳进行，也需要热电站保证电子供应上的稳定性。热电站内部的供需情况，对于整个电力系统的稳定性发挥着关键性的作用。针对热电站的具体运行情况和运行流程，对其负荷状况开展监测和诊断，特别是应用神经网络的方法对系统的负荷水平进行评估和预测，对于提高热电站的运行水平、适应市场需求，具有重要意义。
本论文是对热电站的负荷预测进行分析，使用神经网络预测技术进行建模和分析，确定一套较为科学、贴近真实场景的负荷预测技术方案。
本文研究的意义主要体现在以下方面：
(1) 通过研究热电站负荷预测的方法，可以使供需之间分析更加科学、清晰，也能够达到更加平衡的目标，最终推动整个系统的协调、高效运行。作为整个电力生产中的关键环节，对热电站的负荷进行预报能够改善系统的配置优化状况，可以很好地提升系统的运行质量、稳定性。；
(2) 通过对预测方法的研究，能够对系统进行简化，消除对回路之间的不利影响，方便后续的控制系统设计，并且使系统的负荷跟踪行为更加准确。
(3)针对负荷进行预测和控制，解决负荷控制不利这一问题，并且通过算法的优化，尽可能减少非线性因素对于这个系统控制的不良影响。
目 录
1.绪论 21.1 选题的意义 2
1.2 国内外研究现状分析 3
1.2.1 预测控制研究现状 3
1.2.2 解耦控制研究现状 5
1.2.3 神经网络研究的现状 6
1.3 研究目标、内容与方案 8
1.3.1 研究目标 8
1.3.2 研究内容与方案 8
1.4 预期的新意/创新 8
1.5 预期达到的目标及考核指标 8
2. 神经网络技术 9
2.1 神经技术概述 9
2.2 神经网络的基本概念 9
2.3 神经网络的优点分析 10
2.4 人工神经网络的应用领域 10
2.5 负荷预测组成及作用 12
3. 热电站运转机制与负荷检测分析 17
3.1 热电站运转机制及供热概述 17
3.2 热电站的负荷检测分析 18
3.3 BP 神经网络基本原理 20
3.4 BP神经网络模型的结构 21
3.5 BP 神经网络的学习算法 21
3.6 基于 BP 神经网络的电力负荷预测模型的建立 24
4. 基于改进BP神经网络的热电站电力负荷预测 30
4.1 RBF 神经网络模型的结构 30
4.2 RBF 神经网络的学习算法 32
4.3 RBF神经网络与BP神经网络相比的优势 34
4.4 基于 RBF 神经网络的电力系统负荷预测模型的建立 36
4.5 实际算例分析 37
4.6 本章小结 39
5. 结论与展望 40
5.1 本文结论 40
5.2 课题展望 40
参考文献 41
5. 结论与展望
5.1 本文结论
热电站电力负荷的预测，对于整个系统的调度意义重大，有利于指定科学合理的用电计划，推动电力市场的逐步现代化。而提升电力负荷的预期准确度，有利于提升发电企业的效益，也有利于整个电网的安全与稳定。本文通过对国内外文献的查阅和总结，对热电站电力负荷的评估，完成了主要的工作内容，现将研究内容总结如下：首先，论文对电力负荷及其预测的概念进行了分析，并对已有的预测方法开展对比，对其特点进行了分析；
其次，论文对神经网络的发展和应用、算法结构等进行了研究，建立了基于BP神经网络的预测模型；
再次，论文针对建立的模型，开展了实际的预测准备工作，包括对样本的收集、处理，前后对比等，通过不断的模型学习和训练过程，确定了基本参数和基本程序。
最后，依据模型，以某地的实际情况为例，开展样本输入和预测、结果对比工作，对误差开展分析。通过比较发现，本文建立的BP神经网络预测模型具有较高的精度，具有现实意义。
