1. 研究目的与意义

负荷预测是电力系统调度中一项重要的内容，是能量管理系统的一个重要模块。

由于负荷预测是根据电力负荷的过去和现在推测它未来的数值，所以其研究对象是不确定的、随机的。

人们针对电力系统的负荷特性编制了日负荷曲线、年最大运行负荷曲线以及年持续运行负荷曲线。

2. 课题关键问题和重难点

对电力系统短期负荷预测bp算法做详细的介绍，包括bp算法的发展应用、基本原理，、数学描述、基本步骤。

针对bp神经网络的缺点选择合适的梯度算法。

再通过matlab仿真系统，设计bp算法的matlab应用程序，选取6天的历史负荷数据进行短期负荷预测，并设置合适网络模型的网络参数，包括输出层函数、隐含层节点数、隐含层函数、输出层函数、梯度函数，进行大量实验、仿真、分析。

3. 国内外研究现状（文献综述）

电力系统负荷预测是电力系统运行规划的重要参数指标，它根据已有的发电容量和现有市场需求出发，充分考虑了市场、气象、政治、地理位置等引述的影响，预测未来的用户用电需求，从而制定更合理的发电和负荷分配计划。

电力系统运行的基本要求有可靠性、良好的电能质量、经济型和电力网运行调度的灵活性。

为满足电力系统运行经济性和电力网调度灵活性的要求,对电力系统负荷的短期预测显得尤为重要。

4. 研究方案

首先对电力系统负荷预测的概念进行了解，并选取一种合适的预测方法，然而这种合适的方法就是人工神经网络预测技术中误差反向传播算法，即bp算法 本文思路遵循着提高预测精度的目标和实例分析的原则，通过bp算法和所获得的负荷数据进行验证，有效的提高预测精度和稳定性。

过程如下： （1）对电力系统短期负荷预测的基本原理进行介绍，包括电力系统负荷预测的分类、原理、特点、影响因素、要求、步骤等。

（2）找到某地一年内的所有日负荷作为的负荷预测的实例。

5. 工作计划

第1周 查阅并翻译相关资料；第2周 阅读理解资料，完成资料翻译；第3周 新知识学习，准备开题报告；第4周 完成开题报告；第5周 负荷预测学习；第6周 人工智能技术学习；第7周 软件设计；第8周 软件设计；第9周 软件设计；第10周 软件调试；第11周 软件调试；第12周 完成论文初稿；第13周 根据指导教师反馈意见修改论文；第14周 毕业设计答辩。