短期应用范文

短期应用范文（精选12篇）

短期应用 第1篇

1 时间序列负荷预测技术建模的主要步骤

运用时间序列负荷预测技术进行电力负荷短期预测基本方法和步骤如下:

1.1 取定一个序列长度为N的样本

那么由此可知, 样本的序列值可以表示为y1、y2、y3、y N, 根据相关统计, 在负荷预测过程中, 负荷的历史资料其实就是数据所选取最好样本序列的容量N不能够低于50, 否则很难使预测的准确率能够在一定的范围内进行保持等。

1.2 序列平稳性的判定

进行序列的平稳性判定最好的办法就是直接从其直观上对其变换之后差分序列的分段进行详细地观察, 若各个均不相交时段的均值和方差没有明显的差异, 便可以判定其是平稳的, 反之则为不平稳, 也就是平常所说的非平稳。除了这种方法之外, 还可以采用统计的方法进行判定。统计的方法主要是对其变换之后的差分序列进行检验, 观察期相关函数是否按照一定指数迅速衰减直至到零, 如果其函数迅速衰减至零则充分说明其序列十分平稳, 反之则为不平稳, 也就是非平稳。

此外, 随着我国计划经济模式以及严格的社会管理体制的实行, 一定程度上, 使公民自然而然的形成一种自上而下社会管理方式和统一的行为模式。衣食住行、生老病死都指望政府管理, 等待党和政府通过大规模的运动方式来解决问题成为人的思维定式。也正因如此, 公民对党和政府产生了高度的依赖性。另外, 在区域电力负荷短期预测方面, 国家主要采用自上而下的模式, 也就是从中央到地方各级政府的主要模式进行相应区域电力负荷短期预测投资承担, 以及各种具体区域电力负荷短期的预测事务等。某种程度上讲, 这种模式不仅仅利于统一规划、全国一盘棋、集中力量干大事, 还促使其具有较强的整体性与计划性。但也因此缺乏由基层而来的推动力, 照此一来, 在区域电力负荷短期预测中个人以及团体的作用就不能得到充分的发挥。除此之外, 公民参与区域电力负荷短期预测的积极性也将受到严重的抑制。

自改革开放以来, 这一局面也发生了很大的变化, 不仅提出了建立社会主义市场经济体制的宏伟目标, 还将市场机制和原则引进社会经济生活当中去。随之, 伴随着社会主义市场经济体制的的不断完善与多种经济成分的出现, 为市场经济资源与环境等问题营造了良好的基础条件。显而易见, 区域电力负荷短期预测已经逐渐由原来单纯的政府行为转变成以利益的机制所驱动的市场、企业等行为, 实现公众积极参与区域电力负荷短期预测等。在此前提之下, 公民的自主性也得到了一定的扩展, 从而促使民间社会逐渐扩大。因此, 政府的职能也开始向社会分权进行转化。

2 区域电力负荷短期预测技术

长期以来, 人们对负荷预测作了大量的研究工作, 并针对当前问题提出不同的电力负荷预测方法。与此同时, 电力负荷预测方法仍旧处于不断发展和完善的重要阶段, 且任何的预测方法都不能够得出十分准确的结果, 一定程度上讲, 造成这种状况的原因不仅是方法问题, 同时无法进行估计的未来因素也是原因之一。此外, 分形理论还是近年来发展起来的新兴数学理论, 分形几何不但可以直接从未经简化与抽象复杂的非线性系统本身去认识其内在的规律性, 还从本质上与传统的线性近似处理方法具有一定的区别。

西方发达国家主要实施“政府控制为主, 市场手段为辅”的区域电力负荷短期预测的政策, 可以说这是一种由政府发挥主导作用, 并积极倡导、鼓励企业与公民积极参加的区域电力负荷短期预测管理制度。一定程度上, 不仅有效避免政府、市场以及公民各自行事和相对独立缺点, 反而促使它们之间“取对方之长, 补自身之短”, 使各自在推动经济、社会和环境全面可持续发展方面都能够充分发挥作用。结合我国实际, 区域电力负荷短期预测的机制应该是坚持“政府控制为主, 市场手段为辅, 公民积极参加”的综合化管理体系。此外还必须坚持“多元化”、“多样化”、“政群独立”以及“依法管理”等基本原则。所谓“政群分开”原则是指把政府机关和群众组织分开, 把群众运动和国家行为分开, 不能相互替代和混合。实行政群分开意味着国家政府机关对区域电力负荷短期预测组织实行积极支持、宏观调控的政策, 而不是包办代替的政策;所谓“依法管理”原则是指国家应该通过立法建立健全公民区域电力负荷短期预测管理机制, 政府机关应该依照法律的规定对区域电力负荷短期预测组织实施有效的管理, 使公民参与由自发性参与向制度性参与发展, 而不能依其职权任意干涉区域电力负荷短期预测组织的活动, 影响其独立决策。在这个体系中, 政府所起的作用和任务其实就是: (1) 充当环境的规划、政策、法规以及标准的制定者, 为企业、为民众提供参与区域电力负荷短期预测工作法律与道德的根本依据; (2) 政府充当企业、民众等所从事区域电力负荷短期预测工作的重要支持者, 在他们工作困难的时候, 提供必要的支持; (3) 政府充当电力负荷治理过程中的引导员、监督员以及服务员等角色。评价区域电力负荷短期预测状况市级以上人民政府电力主管部门可以会同有关主管部门对管理范围内电力负荷短期预测状况进行调查和评价, 定期向同级人民政府和上级有关部门报告情况。

3 区域电力负荷短期预测技术的应用

(1) 从2009年3月开始的样本数据当中采取2009年3月至2012年11月连云港地区电网月度最大负荷组成样本序列的主要原因有:时间序列负荷预测技术主要是按照先验的规律来进行实际问题概率统计技术的处理。一般在正常的状况下, 历史的数据资料越多越好。但从另一方面讲, 由于历史数据过多, 严重导致近期数据对预测产生的影响逐渐变小, 而远期、近期的数据对预测所产生的影响逐渐趋向与平均, 严重违背了预测的基本原则:重近轻远。由此可见, 在满足样本序列的容量N不低于50的前提下, 所选取历史数据个数最好不超过120。

由表1可以得到连云港地区电网月度最大负荷数据序列{yt}的数学模型公式为yt-0.5087yt-1-0.4628yt-20.8126=at+0.4012at-1

(2) 从连云港市实际情况来看, 尤其是连云港市行政区划调整经过国务院相关部门的批准, 全市经济与社会发展也逐渐步入快速轨道。所以, 无论是从相似性还是连续性的不同角度考虑, 选择的样本数据都是从2009年3月开始。运用模型预测连云港市2012年12月份地区电网最大负荷, 并与实际的值进行对比。

除上述情况之外, 时间序列负荷预测技术因变量是现在待测的电力负荷, 而自变量又是负荷自身的过去值, 因此, 通过对历史数据的分析, 其内在发展变化规律建立的数学模型, 是否与现有的负荷特性相符合以及对负荷预测精度产生的影响也十分严重。由此可见, 时间序列历史数据的优化选择相当重要, 选择样本序列不仅要严格按照现有的负荷特点, 同时还必须根据过去的实际状况和处理方法分析等内容进行综合化考虑, 从而促使时间序列历史数据优化达到最高。

摘要：电力系统负荷预测主要被应用在电力系统规划与制定发电计划当中, 其不仅能够有效地提高系统运行的经济性, 同时, 还能有效地提升它的可靠性。一定程度山讲, 准确可靠的负荷预测既能保证电力系统运行的安全性, 又能提高电力运行的经济性, 由此可见, 电力系统负荷预测具有十分重要的作用。本文综合了连云港市区域电力负荷短期预测进行探讨, 提出了进一步优化预测模型的思路。

关键词：电力负荷,短期预测,区域

参考文献

[1]贾正源, 牛晓东.电力负荷预测的遗传神经网络模型研究[J].运筹与管理, 2000.

[2]LippmanRP.AnIntroductiontoC o m p u t i n g w i t h N e r r a l N e t s[J].IEEEASSPMagazine, 2001 (4) .

[3]高隽.人工神经网络原理及仿真实例[M].机械工业出版社, 2012 (08) .

[4]梦新华, 欧阳伟.基于BP网络的负荷预测的实现[J].有色冶金设计与研究, 2009.

钢琴教学短期计划 第2篇

教学计划 ：5岁即7岁以上小孩学钢琴短期计划 15个课时，一节课为一课时。

第一课时

教儿歌，唱儿歌，找简单例谱教学生会用最简单的节奏读谱，唱谱，且用食指，即“la”音，来区分简单的节奏，认识“do re mi fa sol la”在钢琴上的位置。最主要“do”在两个黑牙齿靠左边音下面的那个。第二课时

学唱两只老虎，先教学生右手食指来弹奏，然后教左手食指来弹奏，提高学生的学习兴趣。

第三课时

教学生分别认识左右手的“1 2 3 4 5 ”指，并告诉他们分别有不同的作用。弹最基本的“12”指练习。

第四课时

练习“3 4 5”指的歌曲，巧记，掌握“3 4 5”指法的正确演奏方法。第五课时

“1 2 3 4 5”还用于不同的练习中，巩固、掌握。第六课时

学习小曲《粉刷匠》，左右分手练习。（简谱）

第七课时

《粉刷匠》的分手正确熟练演奏，并合奏。（简谱）第八课时

《铃儿想叮铛》的教学。右手练习，左手练习。

第九课时

左右手分手的熟练即合奏。

第十课时

认识五线谱及大谱表，大谱表上的“do re mi fa sol la”及他们的具体位置。也就是小字一组的位置。

第十一课时

分别用学过的两个小曲，应用所教五线谱再次练习。

第十二课时

学习低音谱好，及它所在的“do re mi fa sol la”。在钢琴的位置。第十三课时

应用所学两个小曲，熟记左手的位置。

第十四课时

再找一个小曲，如《小星星》来学习，特强调它的指法。第十五课时

练习《小星星》，对所有学过的曲子作回忆，掌握。

第十六课时

短期应用 第3篇

一、焦点解决短期咨询的基本理念

(一)事出并非定有原因

传统分析式心理咨询的一个基本假设是：产生问题或情绪困扰的背后一定有一个特殊的原因，找出原因似乎就可以解决问题。而焦点解决短期咨询认为，许多问题发生的因果关系常常很难确定，问题往往是互动下的产物，原来的因可以演变成后来的果，后来的果有可能变成原来的因；探究问题的原因讨论往往会陷入鸡生蛋、蛋生鸡的逻辑矛盾中，对问题的解决极其不利。因此，焦点解决短期咨询主要是以“做什么可以使问题不再继续下去”这样的问题取代“问题发生的原因是什么”，专注于问题解决的历程而非探索原因的历程。

(二)相信人们拥有解决自身问题的资源与潜力

焦点解决短期咨询强调人们的正向力量，而不是去看他们的缺陷；强调人们的成功经验，而不是他们的失败经历；强调可能性，而不是人们所受的限制。咨询者相信：每一个个体自身都有能力及丰富的资源、潜力解决他们的问题，每一位个体都是自己问题的专家。咨询者的任务是：运用积极正向的目标引导方式，启发个体发现并运用这些资源，从而促使个体行为的改变。

(三)意义、经验与行动选择的交互作用

意义是个体对生活世界的解释。一个人通过本身的经验形成对外在世界的解释，同一情景与行为，不同的个体会赋予不同的意义，而这些意义同时又成为个体真实的经验，进而影响个体对环境的解释。意义的形成来自于个体与环境的互动。所以，焦点解决短期咨询并不重视探究事件本身，而重视改变个体对事件的解释。

每个人对事件或问题的解释与其行动之间又是相互循环的。换句话说，个体如何描述和看待一个问题，如何界定目标，将会影响到他所采取的行动。而他所采取的行动及对行动结果的描述，又会影响他下一次的行动，这样周而复始，循环不已。因此，改变来访者看待问题的观点，可以达到改变行为的目的；也可以从改变行为人手，使来访者的认知有所改变，最终改变他的行为。

(四)找出“例外”，解决就在其中

世界是运动的，无论是客观的事件、环境，还是主观的人的经验、知觉都不是一成不变的。因此，无论多么复杂的问题，任何人都不可能总是处在问题的困扰中，总有问题不发生的时刻，或者是自己曾经有过使问题解决的成功经验，这就是“例外”。找到问题的例外，可以作为问题解决的突破口。作为一个咨询者，最难能可贵的是协助来访者利用自己的眼睛和耳朵，去发现问题没发生的时刻，或找到没有问题时的情景与行为。来访者蓦然觉察到原来问题并没有想像中的不可控制，体验对问题的控制感，从而找回力量，重获生机。

(五)小改变带动大改变

焦点解决短期咨询珍视来访者小小的改变，当小的改变发生时，所处的环境系统就和原来的状态不一样，持续的小的改变会累积成大的改变。就像“雪球效应”一样，原先只是山上的一颗小石头，开始向下滚，越滚越大，到山下就会变成巨大的足以造成山崩的雪球。而且，依据系统观的观点，系统是平衡的，行为是系统中成员互动的结果。一个成员的改变，将会带动他与其他成员关系的改变，更有助于问题的解决。再者，从小的改变作为着力点，容易打开问题的僵局，小小的成功经验激励着来访者处理更困难的问题，进而带动整个问题情景的改观。

(六)一次咨询精神

焦点解决短期心理咨询的咨询员具有很强的时间敏感性，注重咨询的实效性。会谈次数是不需要预计的，整个咨询过程就是咨询员和来访者的连续互动，直到协助来访者发展了新的思考解决问题的方法。咨询员由来访者的行动和回馈为依据与其共同商定是否需要下一次会谈。焦点解决短期咨询视每一次谈话就是一个咨询，同时视每一次谈话都是最后一次。

二、 焦点解决短期咨询在学校心理辅导中的具体操作

焦点解决短期心理咨询的基本理念可以概括为短期的、正向的、解决导向的和从改变行为人手的，这也正符合学校心理辅导的要求，因此，在学校中很快得到了推广和使用。焦点解决短期心理咨询使用解决导向的会谈技巧，使学生来访者对自己的问题情景的看法、思考与感受，都有所改变。这样，才能使学生在离开咨询室后，能以更具建设性的方向采取行动，而不会重新陷溺于问题中。焦点解决短期咨询的会谈大致分为三个阶段： (1)建构解决方案的对话阶段(约 40分钟)； (2)休息阶段(约10分钟)； (3)正向回馈阶段(约10分钟)。

(一)建构解决方案的对话阶段

这一阶段是会谈的主要组成部分，是在“设定目标”、“寻找例外”、“假设解决”的框架内，运用“奇迹问句” (Miracle Question)、“评分问句” (ScdinSQuestion)等技术与来访学生共同建构问题解决方案。

“设定目标”是指邀请来访学生进入咨询对话，理清他想达到的目标，也就是建立咨询工作的目标。这里设定的目标不能是那些遥不可及的期望，也不能是毫无建设性的抱怨，而应是正向的、动态的、切实可行的具体目标。“正向的”不是优秀的、合乎道德的意思，而是指来访学生描述目标时，用“我会”、“我想”而不是用“我不想”、“我不能”的语句叙述。负面的、抱怨的叙述目标是不容易达成的。“动态的、切实可行的”是指引导来访学生集中注意于现在他所能做的事，使得设定的目标在“此时此刻”可以立即行动，拥有一种事情在我掌握之中的控制感。

“寻找例外”是邀请来访学生谈他所认为的问题何时不会发生，或者寻找想要的目标或解决方式早已存在的事实。如果是曾经有过解决的方法，就多做一点；如果有偶尔的成功经验，就去寻找如何才能使这些再发生。常见的问句是“这个问题在什么时候不发生”，“你想要达到的目标在什么时候曾经发生过?”

“假设问题解决”是邀请来访学生进行脑力激荡，充分发挥想像，假设问题已经解决或目标已经达到之时，他会是什么样子，与现在会有什么不同。常用“奇迹问句”和“水晶球问句”，如“你走出会谈室，像往常一样回家、写作业、按时休息。等你第二天醒来时，有一个奇迹发生了，你所有的问题与困惑都解决了。你是否会变得不一样?你会做些什么不同的事?”“现在你的面前放着一个水晶球，可以看到你问题解决后的生活，我们会看到什么呢?”

在这一系列技术的使用下，一幅幅奇迹的画面逐渐形成并清晰起来，来访学生在辅导老师的协助下建立了具体的行动目标。

(二)休息阶段

这是焦点解决短期咨询最有创意的一环。在将近40分钟后，邀请来访学生休息10分钟，辅导老师暂时离开咨询室。创设这一阶段，辅导老师可以脱离引导、共情、催化等种种责任和角色，集中注意力回溯谈话历程，思考谈话中的得与失，重构对来访学生的认识，以形成有效的正向反馈。来访学生也可以在这一空间中自行回顾与思索整个谈话过程，促进积极的自我探索。由于“空白效应”的存在，来访学生在这一阶段常常会有一种“顿悟”，在期待辅导老师的归来中，更易于接受下一阶段的回馈与赞美。

(三)正向回馈阶段

在这一阶段，辅导老师给予来访学生一些赞美和鼓励，可以使其消除负面情绪，身体放松，心情愉悦。因为人的天性中都期待能被他人接纳和肯定，特别是有些学生总

是担心会受到心理专家的批评。这样，不仅免除了类似的恐惧，会谈的关系和气氛都得以发展。在赞美之余，辅导老师提供一些有益的信息并布置家庭作业。这些信息可以是专家的观点，可以是一些理论研究的成果，也可能是提供给学生下一步如何行动的一个脉络。家庭作业要根据来访学生的类型来确定。如果来访学生的目标还不明确，可以邀请他多观察自己生活中正向积极的方面和问题的“例外”情况，确定自己想获得哪些改变。如果改变的目标已经清晰地设定，就邀请学生在生活中有意多做一些“例外”的或“假设解决”的行为。

三、焦点解决短期咨询对学校心理辅导的启示

(一)变教师消极学生观为积极学生观

目前我国学校心理辅导工作的专业化程度较低，大部分辅导教师来自于未经专业训练的班主任或其他教师。他们虽然对辅导工作有满腔热情，但在长期的教育工作中，经常与心理上未成熟的学生频繁交往，加之教育活动的相对封闭性，使有些教师在心理和行为上表现出非理性的消极学生观，认为有些学生“无可救药”、“朽木不可雕也”的观念根深蒂固。这无形中影响着心理辅导的效果。因为不同的理念，不同的人性观和价值观会形成不同的辅导理论和技术，也会导致辅导的历程和效果的极大差异。

焦点解决短期咨询的理念时时刻刻强调来访者自身蕴藏的正向的积极资源和力量，相信所有来访者都可利用自身的资源协助自己改变。“没有事情会永远相同，改变在你相信它会发生的那一刻发生”。

这就启示我们，学校心理辅导教师要树立积极的学生观，相信学生是会改变的，并在自己的辅导实践中时刻传达对学生的信任与鼓励。 Dreikurs曾说过： “成功的咨询在很大程度上依赖于咨询者提供鼓励的能力。”阿德勒也曾谈到：“总之，在咨询的每一个阶段，我们都不能偏离鼓励的轨道。”

(二)变医学模式为发展模式

调查发现，我国学校心理辅导工作中存在一个普遍现象：心理咨询室虽建立多年，但却门庭冷落，形同虚设。这一方面与学生的偏见有关，最根本的是因为心理咨询定位在‘不健康”的基础上。许多辅导教师常常用诊断病人的量表对学生进行测量与诊断，用医生记录病史的办法建立心理档案。有时这样的诊断有助于问题的干预，但学生也被贴上了“心理疾病”、“失能”、“失常”的标签，扼杀了学生的自我效能感，使许多学生望‘病”而逃。焦点解决短期咨询竭力回避谈论“诊断”、“病理”这些话题，因为这样只能强化来访者认为自己是一个失能人的观念，从而很难调动他们自身的能量促进问题的解决。

我们必须扭转学校心理咨询医学化的倾向。按照哈维格斯特的“发展课题”的理论，如果个体某一阶段的发展课题没有完成，就会产生心理障碍，影响进入下一个发展阶段，心理咨询在很大程度上是为了帮助来访者顺利完成人生发展的课题，因此，来访学生不是“有病”，不是“失能”，而是为了寻求更好的发展，增强自身的强度和力量。

(三)变问题导向为解决导向

面对前来咨询的学生，我们一般的辅导思路是：问题的检测与鉴别，问题的分析与诊断，问题的干预与矫治等。许多辅导教师认为，只有找到问题产生的根源，用原因去解释行为，才能把握问题的实质，才有助于问题的解决。而焦点解决短期咨询完全打破这种思路，它把重点放在如何引导来访者考虑此时此地做什么可以不让问题继续下去，而不是一味地探讨问题发生的原因。世界的复杂性以及人与环境的非线性关系提示我们：“事出并非定有原因”，谈论问题产生的历史、根源，只能使来访者感到更加无助，问题即使解决也是非常困难的。而讨论来访者想让事情有什么样的改变，怎样使这些改变发生，将使他们从问题的泥潭中解脱出来，转到“解决”的轨道上来。

由于学校心理辅导教师相对短缺与学生需求之间的矛盾还存在，在心理咨询过程中，与其花费大量时间寻找问题的原因，还不如尽快寻找解决之道，提高学校心理辅导的时效性。

(四) 变学生咨询为教师一家长一学生咨询

生态心理学的观点认为：行为是个体内在因素与外在环境相互作用的结果。它提示我们：在心理辅导工作中，只有将促进个体心理成长与改变外界环境有机结合起来，二者相互调适，同步改变，才能收到事半功倍的效果。因此，不仅要对学生进行咨询，还要进行家庭咨询和教师咨询。焦点解决短期咨询是由短期家庭治疗演变来的，它不仅适合于个别咨询，也适合于团体辅导或家庭咨询。在美国，许多学校不仅采用焦点解决的咨询模式对学生咨询，还把这种模式运用在家庭援助中心和对教师的辅导上，并取得许多受实证支持的效果。目前，我国的学校心理辅导工作只注重对学生的辅导，而忽视了学生所处的外在环境对学生的交互作用。焦点解决短期咨询为教师辅导和家庭辅导提供了一个可靠的理论和实践框架。

总之，焦点解决短期咨询为我国学校心理辅导工作提供了新的思路与框架。心理辅导教师应该借鉴与吸收它的理论精髓，整合各种心理咨询流派的理论与技术，形成本土化的独具特色的辅导理念与方法，提高学校心理辅导工作的效率，促进这项工作的蓬勃发展。

超短期供热负荷预测技术研究及应用 第4篇

1 供热负荷分类及其特点分析

热用户的类型可以分为供暖、通风、空调、生活热水和生产工艺等类型。供暖、通风和空气调节热负荷属于季节性热负荷, 季节性热负荷与室外温度、湿度、风速、风向及日照等气候条件关系密切, 其中影响最大的是室外温度, 因此, 一年中变化很大, 但在一天中波动相对较小。生活热水和生产工艺热负荷属于全年性热负荷, 气候条件影响较小, 即在全年中变化不大, 而日变化较大。

供热负荷具有随机性。供热负荷存在着一定的波动性, 所以构成了负荷的随机性。一般影响负荷随机性的因素有:政治因素影响、传统节日影响、天气的影响等[1,2]。供热负荷还具有周期性特征, 供热系统负荷变化是有规律的, 主要体现在负荷变化的周期性[3], 具有按日、周及月的周期性变化特点。供热负荷类型及其特点如表1所示。

2 供热负荷预测技术分类

目前供热负荷预测技术主要分为以下几类。

(1) 神经网络法。对供热系统进行抽象, 建立黑箱式供热系统神经网络模型, 通过历史数据对数学模型进行训练, 使其尽可能逼近供热系统实际运行状态[4]。

(2) 基于小波网模型的供热负荷预测法。使用小波变换对对时间序列数据进行分析, 提取供热系统热负荷供求模型[5]。

(3) 逐步回归分析法。通过回归分析, 寻找预测对象与影响因素之间的因果关系, 建立回归模型后进行分析。

3种方法都需要对供热系统进行详细分析, 各主要测量数据不能缺失, 尤其是热用户相关供热参数[6]。但是目前很多热电厂只在电厂供热母管处装有流量计, 虽各热用户处有流量计进行计量, 但由于距离较远, 一般无法将数据送入电厂信息系统, 仅有部分电厂通过电台载波方式将数据送入DCS系统。另外目前电厂供热改造类型很多, 诸如冷再抽汽、热再抽汽、中排抽汽、主汽抽汽等, 部分电厂为了满足热用户需要, 对电厂供热系统进行改造, 增加了压力匹配器等装置, 供热系统结构相当复杂。因此对于大规模、多类型的供热负荷预测, 上述3种方法均很难应用。

3 工业用汽为主的超短期供热负荷预测技术

江苏省内热负荷基本以工业用汽为主, 居民生活用汽偏小, 因此热负荷相对稳定、规律性强, 随经济周期波动较大。虽然周期性很强, 但由于供热负荷随机波动的本质属性的干扰, 预测供热负荷时并不能简单地用前一天或一周前的同一天来简单代替。

以某电厂为例, 2012-07-03、2012-07-04相邻2天的供热负荷对比曲线如图1所示。从图上可以看出, 2天的供热负荷数据总体趋势基本一致, 但部分时刻两者数据相差较大, 最大数据偏差绝对值达到25.5 t/h左右、相对偏差最大达到34.2%左右。

该厂2012-07-03与一周后的2012-07-10的数据对比如图2所示。从图上可以看出, 2天的供热负荷数据总体趋势也基本一致, 但部分时刻两者数据相差较大, 最大数据偏差绝对值达到25.03 t/h左右、相对偏差最大达到35.7%左右。

鉴于上述调研结果及供热负荷的规律性, 可设计一套通过供热负荷历史数据进行预测分析的方法。考虑到短期内一般工业用汽热用户需求量不会变动过大, 特选取短期供热负荷数据进行分析。

短期负荷预测往往利用待预测日之前若干天的历史负荷数据来预测, 这些日子的负荷数据与预测日有一定的紧密联系, 称这些日子为预测日的相似日, 简称相似日。基于相似日的短期负荷预测常采用加权平均法进行计算。预测日第t时刻的预测负荷值为:

式中:t=1, 2, ;θi为第i天的历史负荷值的权重;y (i, t) 为第i日第t时刻的历史负荷值。在预测模型中历史数据相似度满足如下条件:

短期供热负荷越靠近预测日的历史数据与预测日的相似度越大, 可对上述计算模型进行调整, 有:

式中:a1为t-ψ1时刻历史数据权重;a2为其他历史数据综合权重;b1为t-ψ2时刻历史数据权重;b2为t-2ψ2时刻历史数据权重;ψ1, ψ2为时间跨度间隔, 其中ψ1一般设置为数据采集最小间隔频率, 主要针对供热负荷的随机性设计, ψ2一般设置为供热负荷的最小重复周期, 主要针对供热负荷的周期性设计。即通过预测时间往前倒推ψ1, ψ2, 2ψ2的供热负荷数据进行预测计算, 其中离当前时刻越近的数据, 则代表越接近于预测值, 故赋予的权值系数就越大。

对于供热负荷的随机性, 上述计算模型主要通过靠近预测点的t-ψ1时刻历史数据传递至预测值, 同时由于t-ψ1时刻历史数据赋予的权重为a11, 上述计算模型对供热负荷的随机性起到了一定降噪作用。

以某300 MW级供热改造电厂为例, 展示该方法的具体应用效果。该厂2台机组设计为纯凝机组, 汽机型号为C330-16.67/110/538/538, 于2009年对2台机组同时进行供热改造, 选择了从冷再、中排同时进行供热的方案。该厂热用户众多, 全部为工业用汽, 且距离较远, 无法将热用户端详细数据传输至电厂, 因此选择了用历史数据进行预测分析的方法。

由于数据采集频率为5 min, 故ψ1=5 min。同时ψ2设置为1 d, 选取最近3 d数据进行预测, 按照离预测时刻越近, 权重越大原则, 将各权重系数设计如下:a1=0.5, a2=0.5, b1=0.6, b2=0.3, b3=0.1。则得到该厂2012-07-04日预测供热量曲线, 如图3所示。从图上可以看出, 预测供热量与实际运行供热量非常吻合, 预测供热量与实际值趋势几乎完全一致。

若采用逐步回归分析法, 以2012-07-04数据为训练样本, 置信度设置成95%, 以时间序列、供热回水温度、环境温度为影响因子, 预测数据与实际数据趋势分析如图4所示。可见, 采用回归分析法预测的供热流量与实际供热流量趋势相差较大, 且计算过程中涉及参数较多, 计算过程相对复杂。

可见, 上述通过历史数据对供热负荷进行预测的方法对于以工业用汽为主的热用户需求的预测非常适合。当然, 如果提取供热负荷随环境温度、经济景气程度的变化率, 将环境温度、经济景气程度等指标引入到式 (3) 中, 就可以更加准确地预测供热量。

4 在调度运行方面的应用

供热负荷预测技术在调度运行方面具有显著指导作用。对外供热的情况下, 机组出力会明显受到一定的限制, 包括蒸汽流量等运行参数方面以及汽机安全参数方面的限制, 如排汽温度、排汽压力等。但机组带供热运行时, 其最大进汽流量下的电负荷由于供热蒸汽被抽出无法做功, 电负荷会减少;另一方面, 为了满足热用户的需求, 汽机最小进汽流量必须比纯凝状况下最小进汽流量要大, 即最小电负荷比纯凝状况下最小电负荷要大。因此, 对调度来说, 及时预测机组的供热负荷, 并计算出机组的可调负荷区间来说至关重要。通过热力试验, 可绘制出供热机组的工况图, 查询工况图即可获得某一供热量下机组的可调出力区间, 有利于电力调度部门合理排机组的运行方式和机组负荷。

5 结束语

超短期供热负荷预测技术根据供热负荷的随机性、周期性特点设计, 是一种基于历史数据进行研判的方法。该方法相对于神经网络法、回归分析法等常见预测方法, 涉及参数较少、计算过程较为简单, 对于以工业用汽为主的供热负荷, 预测的准确性较高。该方法可以广泛应用于供热发电机组的供热负荷预测中, 并结合机组的供热-发电关系, 预测出机组的可调整出力区间, 有利于电力调度部门及时掌握机组发电能力变化情况, 更加合理地安排机组的运行方式和机组负荷。

参考文献

[1]胡文斌, 杨昌智, 孙一坚.短期供热负荷的灰色拓扑预测[J].煤气与热力, 1999, 15 (3) :41-44.

[2]张翠芝, 智明.泰州电网负荷特性分析及负荷预测[J].江苏电机工程, 2011, 30 (4) :45-47.

[3]王东亚, 张琳, 赵国材.神经网络遗传算法在供热负荷预测中应用[J].辽宁工程技术大学学报, 2005, 24 (S1) :161-163.

[4]古丽扎提·海拉提, 加玛力汗·库马什, 李俊, 等.热负荷的预测分析[J].动力工程, 2009, 29 (1) :49-52.

[5]马涛, 徐向东.基于小波网模型的区域供热系统负荷预测[J].清华大学学报 (自然版) , 2005, 45 (5) :708-710.

短期的学习计划 第5篇

进入研究生学习的这一年和大学期间的感觉大不相同的，时间过得很快，紧张的公共基础课程和专业课程的学习占据了我们较多的时间，而其余的时间我们还要不断地自主学习来补充自己在专业上的不足。所有，一年的学习让我觉得短暂而充实。研一的一学年已经过去了，这一年来我们学习了很多与专业课相关的课程。也学习了一学年的公共基础课程，相比起上学期初来到新环境的不适应和迷茫，这学期我已经开始适应研究生的生活和学习节奏。可能我学习的专业知识还是有限，并且因为精力很多的用在对学校开设课程的学习和英语六级考试这些客观原因，加上对自己要求和计划的不明确的主观原因，造成我对专业的研究不足，没用真正的静下心来思考自己的目标是什么。所有，我认为为自己写一份清楚的学习计划是很有必要的。对于接下来的学习我有很多的期待和目标，在这里我要制定一个明确清晰的长期目标，再逐步的为实现这个长期目标而努力完成短期的目标。现在我将从研二研三两个阶段来计划。

研二

研二的这一年我认为是研究生学习关键的时期，这段时间的学习将会更加紧张，我不但应该主张对自身能力的培养，还应该积极的听取导师对我的指导和建议，有的放矢的进行专业的学习。在我们的学院对我们的要求是，每个研究生必须在读研期间在公开刊物发表两篇以上的论文才有毕业的资格。那么加上在研二下学期我们要对毕业论文做出开题报告的要求。可以预见研二这一学年对我们的学术研究成果的呈现是一个集中时期，这就要求我们必须在这一年内不断地丰富自己的专业知识和理论基础，读书自然是不可缺少的部分，我希望在这期间多读几本成人高等教育相关的专著，要保证质量的学习其中的理论知识。再者就是要思考自己的研究方向，并不断关注相关论文的发表情况，随时关注这一领域的发展动态。在不断地学习中，我会由易到难的选择专业相关论文阅读，而且争取在没一到两个月就能撰写一篇学术论文对这段时间的学习进行总结并向导师汇报学习进展。争取能够发表一两篇优质的论文。当然，研二下学期的毕业论文开题也是重点任务，我会在专业学习时确定自己的毕业论文方向，有意识的收集论文撰写资料，争取在学期结束前能先给导师审定。

研三

这是研究生学习的最后一年，上学期应该专心于毕业论文的各种研究工作和论文的发表，可以开始一些实质性研究，不

再局限于文献研究，如：尽量做一些问卷调查，访谈调查，参与式调查等研究方法为毕业论文收集一些真实客观的材料，来使文章丰富起来。尽量在学期结束时能完成论文初稿，不断精进修改。而且这一学年还要明确自己的未来就业方向，多做就业准备，沉淀自己积累就业知识，并参加实习，随时关注就业招聘信息和要求，并根据要就调整自己，为就业打下坚实的基础和全面的准备。下学期就是对论文的不断修改，整合自己收集的和获得资料，补充进文章。和导师讨论，最终完成毕业论文，并积极准备答辩。并确定下自己的就业目标，做好充分的就业准备。

研究生学习是人生中一个重要的节点，我要认真对待，不断提升自己各方面能力，如独立思考的能力，解决问题的能力，积极面对困难的能力。并走好之后的每一步，踏踏实实的做每一件事，积极乐观的面对生活。

短期目标

1、完成几部成人高等教育理论基础专著的精读

2、随时关注成人高等教育最新研究动态

3、1~2个月进行一次学习总结，完成一篇学术论文或文献综述

4、定期向导师汇报学习生活的情况

5、学习中开始关注毕业论文的研究方向，并不断积累素材

6、关注就业招聘信息的发布，及时调整自己

7、争取发表两篇以上的论文

8、开始设计毕业论文的调查工具，如问卷，访谈提纲

9、寻找实习机会，增加自我适应社会工作的能力

短期应用 第6篇

关键词:人工神经网络;模糊理论;短期负荷预测;BP算法

中图分类号:TM715 文献标识码:A 文章编号:1000-8136(2009)30-0005-02

电网是电力系统的重要组成部分,提高负荷预测准确率,对电网安全、稳定、经济运行有着极其重要的意义。负荷预测误差小,则电网的开机、线路的潮流都在预计的范围内运行,电网的安全、稳定、经济运行就有了保障,还可以大大提高电力系统的经济效益。

在电力系统负荷预测的理论与实践相结合的方面,国内外许多的电力系统专家做了大量而有意义的工作。随着他们的不断探索,负荷预测从早期传统的弹性系数法、时间序列法、卡尔曼滤波分析法逐步发展到灰色模型法、专家系统法,伴随着计算机技术的发展和人工神经网络理论的不断完善,应用人工神经网络进行电力负荷预测得到了很大的发展,自从提出用人工神经网络进行电力负荷预测,充分利用了BP模型的非线性映射能力及自适应的学习能力,得到了较好的预测效果。

人工神经网络计算(ANN)是由具有非线性作用函数的神经元构成、进行大规模并行信息处理非线性模型结构,它可以模仿人脑的智能化处理,对大量非结构性、非精确性规律具有自适应功能,具有记忆功能、自主学习、知识推理和优化计算的特点,尤其是它的学习和自适应功能是常规算法和专家系统技术所不具备的。[2]因此,应用ANN对历史曲线进行拟合,能够达到十分满意的结果。并将该模型用于某地区电网的短期负荷,预测结果证明了它的有效性。

1神经网络BP模型

本文采用成熟的误差反向传播模型(ERROR BACK PROP

AGATION),简称BP模型。BP模型是一个多层前溃神经网络。BP模型由输入层、隐含层和输出层组成,其中隐含层可以是一层或是多层组成的。本论文采用单隐层的神经网络进行负荷预测,其模型网图见图1所示。这是一个三层的神经网络,其中输入层有i个节点、隐含层有j个节点、输出层有k个节点。BP算法的指导思想是:对网络权值(Vij,Wjk)的修正或阈值(θ,γ)的修正,使误差沿梯度方向下降。BP算法是一个工作信号正向传播和误差信号反向传播的过程。[1]

图1BP模型网络图

对于输入层每个神经元,其输入与输出相同。而对于隐含层或输出层的每个神经元,其神经元的输入为:

(1)

式中,i:前一層神经元;

Oi:神经元的输出;

Wij:神经元i与j的连接权值;

θj:神经元j的阈值。一般阈值θj为常数,并取(-1,+1)之间任意值。

定义误差函数Ep为各节点希望输出值与实际输出值之差的平方和:

(2)

式中,tpj:节点j的希望输出值;

Opj:节点j的实际输出值。节点j的实际输出值Opj由(1)

式的加权及阈函数决定,即:

(3)

选取S型函数为阈函数,则有:

BP模型的训练步骤如下:

(1)为所有的连接权值赋初值,并且确定阈值。

(2)输入一组训练样本。

(3)由给定的输入、阈值和连接权值,利用式(3)计算网络输出值。当输出值与期望值误差的平方和小于给定值时停止计算,否则向下顺序执行。

(4)根据输出计算值与实际值之间的偏差,由输出层反向逐层调整权值,甚至输入层,权值调整公式为:

式中,Wij(t)和θj(t)是训练过程中第t次循环结束后得到的,从节点i到节点j之间的连接权值和节点j的阈值;

ΔWij(t)和Δθj(t)是第t次循环结束后得到的相对应的调整量;a为冲量因子(0 < a < 1)。

基于梯度下降法可得出连接权值和阈值的调整量为:

ΔWij=ηδjOi ,Δθj=ηδj

当节点j为输出层的节点时:δj=Oj(1-Oj)(tpj-Oj)。

当节点j为隐含层的节点时: 。

式中,η为学习因子。

完成第四步后转回第三步。

2模糊理论的应用

从以上可以看出,BP模型算法的学习方式是梯度下降法。虽然它是神经网络(ANN)中比较成功的一个模型,但是这种算法由于迭代次数导致收敛速度太慢,而且存在局部极小点,特别是网络规模比较大时也就是神经元的数目较多时,这样的问题会比较明显,甚至会出现不收敛的情况。

这样就需要模糊理论与人工神经网络结合起来进行电力系统负荷预测。它同前者的区别是:采用普通神经网络的结构和神经元作为信息处理工具,而网络的输入量、输出量采用输入、输出信息的模糊隶属度。也就是说将输入量通过隶属度函数转化为模糊量后,再交给神经网络进行处理,以提高预测精度。[3]

电力系统短期负荷预测是对电网未来某一天到一周的负荷进行预测(本论文将对24 h进行负荷预测的研究)。负荷预测要考虑天气、节假日和季节对电力负荷的影响。因此需要建立这几个因素的隶属度函数。利用最大隶属度原则,在相同的约束条件下进行多目标优化,对函数F(x)=[f1(x),f2(x),…,fn(t)]构造相应的隶属度函数 ,且满足 ,并可用 表示第i个目标达到最优的程度, 越趋近于1,表示目标函数F(x)=[f1(x),f2(x),…,fn(t)]越趋近最优解。另外,为了降低求解规模,对1天的24点负荷每点建立1个预模型,第i点的输入输出函数为:Ljt′=fj(aj1′,… aji′)

式中,Ljt′ 是指第j个学习样本在第i点的规一化值,规一化函数为:

(4)

式中,Lji:指第j个学习样本第i点负荷的实际值;

Lji min:学习样本中第i点负荷的最小值;

Lji mix:学习样本中第i点负荷的最大值。

经过规一处理后,0< Lji′<1。fi是指第i点的输入输出函数;aj1′,…ajl′是第j个样本的影响因素值的隶属度向量,包括2个代表日类型的隶属度,3个代表最高温度的隶属度,3个代表最低温度的隶属度,3个代表平均温度的隶属度,5个代表光照的隶属度,5个代表雨量的隶属度。当学习完成后,将预测日当天影响因素的隶属度向量βj1′,…βjl′代入式(4),则可得第i点的负荷预测值。

3实例检验

本文利用人工神经网络的方法和神经网络与模糊理论相结合的方法对某地区的多个日负荷进行预测,考虑到主要成分或相关因素,保留较大的影响因素如雨天、晴天、高温天和休息天进行预测,所得结果见图2所示(圆点代表预测的负荷,三角代表实际的负荷)。

根据上面预测的一个月负荷的情况看来,可计算出负荷绝对误差的均值x =1.86,标准差σx=8.13,当x的置信限为

时,x的置信概率为 =

0.99995≈1,绘制曲线f(x),同时绘制理论正态曲线,见图3

(实线为模型预测的分布,虚线为实测的负荷分布)。

因为本文研究的是电力系统短期负荷预测,所以它必须精确(要求预测相对误差不超过4 %)。从上表中可以看到,采用普通的BP模型所得到的预测结果基本上都比4 %的;而采用组合式得到的预测结果基本上能够满足精确度的要求,而且误差普遍比用前一中方法小。因此,利用神经网络和模糊理论进行负荷预测能够满足电力系统实际的需要。

图2一个月的负荷预测图

图3负荷预测的正态分布图

4结论

利用神经网络和模糊理论的组合式负荷预测方法,它充分利用了神经网络和模糊理论各自的优点,发挥了ANN在处理非线性问题的能力,模糊理论在此基础上对神经网络所存在的问题进行了修正,使得预测结果能够更加满足实际的需要。最后的实际算例也证明了使用这种方法于实际情况的偏差系数也不大。但是应指出:①由于资料的有限性,本文仅某地区实际的一个月资料得到以上初步的结论,还有待于采用更多的资行验证;②对于具体时间进行负荷预测,如果此地区有负荷的误差资料,则可直接采用正态分布。

参考文献

1 丁坚勇、刘 云.基于负荷特征提取的神经网络短期负荷预测[J].高电压技术,2004.30(12):47～49

2 阎平凡、张长水.人工神经网络与模拟进化计算[M].北京:清华大学出版社,2000:73～74

3 程其云、孫才新、张晓星等.以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法[J].电工技术学报,2004.19(10):53～58

4 赵宇红、唐耀庚、张韵辉.基于神经网络和模糊理论的短期负荷预测[J].高电压技术,2006.32(5):107～110

Artificial Neural Networks And Fussy Theory

Apply to Short-term Load Forecasting

Wei Wei,Wang Jin

Abstract:To the complexity that electric power system load forecasts, be improve the short-term load forecast accuracy, has adopt one kind of the model use of neural networks and fussy theory to load porecasting. The training speed being an algorithm’s turn to have overcome that tradition BP algorithm is slow, existence the part minimal point shortcoming, makes to forecast accuracy being great improvement. The example calculates the pragmatism and feasibility having indicated that algorithm.

短期应用 第7篇

短期负荷预测是电力系统优化调度 (如机组最优组合、经济调度、最优潮流计算等) 的基础工具, 是电力企业日常经营管理工作的重要组成部分, 准确的短期负荷预测是电网调度机构制定发供电计划和做好电网供需平衡的关键, 它有助于系统运行人员高效地预估电能的生产输送, 分配以及消费情况, 制定出经济合理的发电方案。

近年来随着人们物质文化生活水平的逐步提高, 生活用电在社会总用电中所占的比重也越来越大, 而生活用电是易受气象因素影响的, 不同的地区受不同的气象因素影响, 而且影响的程度也不一样, 南方地区受降雨的影响要大一些, 北方地区受日照和风力的影响要大一些。以时间序列法为代表的经典预测理论[1], 只以历史负荷作为预测的主要依据, 没有考虑气象等众多干扰因素对负荷的影响, 已经难以满足地区负荷预测的需要。近几十年来, 以人工神经网络为代表的智能技术由于其具有的非线性映射能力和强大的自学习、自适应能力, 在负荷预测中得到了越来越多的应用[2,3,4,5]。

1 神经网络设计

1.1 神经网络结构设计[3,4]

神经网络的结构选择至关重要, 直接关系到预测模型建立的合理性和预测精度[6,7,8]。考虑到短期负荷预测的非线性程度较高, 所以采用三层网络。选用有一个隐含层的BP网络进行短期负荷预测。图1为本文用于预测的BP网络模型。

BP网络是一种非线性映射的多层前馈高级人工神经元网络, 理论上可以映射任意复杂的非线性关系。取一个隐含层, 输入层为对负荷有影响的一些相关因素, 输出为待预测的负荷, 节点激活函数取为Sigmoid函数。通过代入历史数据进行神经网络训练, 用训练好的网络进行负荷的预测。

传统的基于BP网络的预测方法是把天气因素和历史负荷对负荷预测值的影响综合在一起考虑, 这样在很大程度上忽略了天气因素对历史负荷的影响, 造成预测精度下降[8,9,10], 而本文提出的考虑天气因素的BP网络模型则把天气因素和历史负荷分开考虑, 在BP 网络中对难以考虑的天气因素给出了较好的映射关系。

1.2 神经网络模型建立过程

在进行BP人工神经网络设计时需要考虑:网络的拓扑结构的层数及各层的神经元的数目;神经元的变换函数选取;网络的初始化连接权值和阈值的初始化;训练参数设置;训练样本的归一化处理;样本数据导入方式等。根据以上分析可知, 对于网络的实现有如下几个基本的步骤:

(1) 数据归一化。即将原来的较大的数据转换为[-1, 1]之间的数据。

(2) 数据分类。主要包括打乱数据顺序, 抽取正常训练用数据、变量数据、测试数据。其中变量数据主要用来防止过拟合, 使得训练结果变差。

(3) 建立神经网络, 包括设置多少层网络 (一般3～4层即可, 每层的节点数 (具体节点数, 尚无科学的模型和公式方法确定, 可采用试凑法, 但输出层的节点数应和需要输出的量个数相等) , 设置隐含层的传输函数等。

(4) 指定训练参数进行训练。

(5) 完成训练后, 就可以调用训练结果, 输入测试数据, 进行测试。

(6) 数据进行反归一化。还原到原始数据。

(7) 对预测结果进行误差分析。

一般情况下, 训练能力差时, 预测能力也差, 并且一定程度上, 随着训练能力地提高, 预测能力也提高。但这种趋势有一个极限, 当达到此极限时, 随着训练能力的提高, 预测能力反而下降, 即出现所谓“过拟合”现象。此时, 网络学习了过多的样本细节, 而不能反映样本内含的规律。在Matlab求解中, 要防止出现过拟合状态

2 仿真预测

该预测采用的岳阳电网2006-5-114每天的用电量数据, 以及2006-5-114的3个影响因素作为网络的训练样本, 预测5月15日的电力负荷。为了对比预测效果, 在仿真中进行了3组预测对比;

预测一:没有考虑影响因子的情况。即只根据2006-5-114的实际用电负荷对网络进行训练, 从而预测5月15日用电负荷情况。

预测二:考虑2个影响因子的情况。用2006-5-114的实际用电负荷以及温度和节假日是两个因素归一化后的数据输入对网络进行训练, 从而预测5月15日的用电负荷情况。

预测三:考虑3个影响因子的情况。用2006-5-114的实际用电负荷以及温度、节假日和湿度 (即降雨或干旱情况) 归一化后的数据输入对网络进行训练, 从而预测5月15日的用电负荷情况。3次训练次数均为10 000次。利用上面介绍的模型进行预测, 得到预测结果。为了清楚显示此网络的预测效果, 将预测结果与实际数据对比如图2～图4所示。

图2是没有考虑影响因子的预测图, 虚线为实际2006-5-114岳阳市用电负荷统计表的数据, 实线为预测图形, 用前十四天的实际用电负荷对网络进行训练, 预测第十五天的用电量。这里由于没有考虑其他影响因子, 结果存在较大误差。

图3是考虑了温度和节假日2个影响因素后的预测图, 这里比较明显的是第6天和第7天比预测一精准了一些, 因为这里考虑了温度指数, 这里出现一个比较高的温度指数, 所以神经网络自动调节训练值, 使结果更加精准, 另外一点, 第4天和第11天出现周期性波谷, 因为刚好这里是周末, 用电负荷降低。对第15天的预测相对来说精度有所提高。

图4考虑了3个因素的影响, 分别是温度, 节假日和湿度, 前面两点预测二已介绍, 对于湿度, 比较明显的体现在第14天, 对于这个波谷, 预测三是比较精准的, 因为这里出现一个比较不规则的波谷, 这天本是工作日, 不应该出现波谷, 是因为这一天出现降雨, 天气凉快, 故用电负荷自然的下降了, 从图中可以看出, 预测效果还是非常良好的, 对第15天的预测误差很小。考虑天气因素后预测值较好的把握了实际负荷变化的周期性, 很好地反映了天气影响因素对实际负荷的影响。

为更进一步定量比较实际值和预测值, 以及计算误差, 对三次预测结果及误差进行分析, 如表1所示。

通过表1可以得出:预测一的15天平均误差为0.87%, 最大误差是2.49%;预测二的15天平均误差为0.84%, 最大误差为2.28%;预测三的15天平均误差为0.41%, 最大误差为1.59%;三个预测方法对第15天的预测误差分别为1.55%, 0.64%, 0.24%。显然, 考虑天气影响因素后的岳阳电网短期电力负荷预测效更为准确, 说明了考虑天气影响因素后的BP神经预测模型适用于岳阳电网的短期电力负荷预测。

3 结 语

采用BP神经网络进行短期电力负荷预测, 能反映负荷自然增长的内在规律。在短期负荷预测时, 要充分考虑天气因素的影响, 但不同地区负荷水平、负荷构成和所处地理位置不同, 受到的天气影响因素也不同, 因此在设计神经网络结构时, 应与该地区的实际负荷情况相结合, 将最重要的天气因素考虑进去。利用人工神经网络技术确定了考虑天气因素的BP神经网络模型, 用建立好的BP网络进行了岳阳地区的短期电力负荷预测, 预测结果表明充分考虑天气因素的影响后, 负荷预测的精度明显提高, 完全可以实际运用于一个地区性的电力系统中。

参考文献

[1]牛东晓, 曹树华, 赵磊, 等.电力负荷预测技术及其应用[M].北京:中国电力出版社, 2002.

[2]田景文, 高美娟.人工神经网络算法研究及应用[M].北京:北京理工大学出版社, 2006.

[3]刘晟晖.电力系统负荷预测预报理论与方法[M].哈尔滨:哈尔滨工业大学出版社, 2007.

[4]孙海斌, 李扬.电力系统短期负荷预测方法综述[J].岳阳电机工程, 2000, 19 (2) :67-70.

[5]KWANG Ho.Short-termload forecasting for specia days inanomalous load condifions using neural networks and fuzzyinference method[J].IEEE Transactions on Power Sys-tems, 2000, 15 (2) :559-565..

[6]CHARTONI UK Wiktor.Very short-termload forecastingusing artificial neural networks[J].IEEE Transactions onPower Systems 2000, 15 (1) :263-268.

[7]武妍, 施鸿宝.一种模糊规则动态调整BP算法中参数的方法[J].计算机研究与发展, 2004, 35 (8) :689-693.

[8]赵希正.中国电力负荷特性分析与预测[M].北京:中国电力出版社, 2006.

[9]VOGL T P, MANGISETC J K.Accelerating the conver-gence of the back propagation method[J].Biological Cyber-netics, 1988, 59:256-264.

短期应用 第8篇

短期负荷预测(short-term load forecasting)是电力系统重要工作之一。负荷预测是从已知的用电需求出发,考虑政治、经济、气候等相关因素,对未来的用电需求作出的预测[1]。负荷预测对于电力系统的控制、运行和计划都非常重要。准确的负荷预测有利于计划用电管理,保持电网运行的安全稳定性,有利于合理安排电网发电计划和机组检修计划,有效地降低发电成本,提高经济效益和社会效益。此外,它也是电力市场中电价制定的基础。

近年来,短期负荷预测方法已从传统的时间序列法、回归分析法、状态空间法[2]等发展到今天的人工神经网络方法[3,4]。但负荷受多种因素的影响,与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系,且这种关系具有动态性,因而传统方法的预测精度不高。由于神经网络具有并行处理、联想记忆、分布式知识存储、鲁棒性强等特点,尤其是具有自组织、自适应、自学习功能,从而在复杂非线性对象的辨识和控制中得到了广泛应用[6]。目前,短期负荷预测大多数采用的是基于BP算法的静态前馈网络。利用静态前馈网络对动态系统进行辨识,实际上是将动态时间建模问题变为静态空间建模问题。同时,还需对模型结构进行定阶。然而,随系统阶次的增加或阶次未知,迅速扩大的网络结构使网络学习收敛速度减慢,并造成网络输入节点过多、训练困难及对外部噪声敏感等弊病。

相比之下,动态回归神经网络(RNN)提供了一种极具潜力的选择,它能够更生动、更直接地反映系统的动态特性,代表了神经网络建模、辨识与控制的发展方向[7,8]。Elman型回归神经元网络的特点是隐藏层的输出通过结构单元的延迟、存储,自联到隐藏层的输入,这种自联方式使其对历史状态的数据具有敏感性,内部反馈网络的加入增加了网络本身处理动态信息的能力,有利于动态过程的建模。此外,Elman网络的动态特性仅由内部的连接提供,无需使用状态作为输入或训练信号,这也是Elman网络相对于静态前馈网络的优越之处[9]。

Elman型回归神经网络是一种典型的动态神经元网络,它是在BP网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力。在Elman网络中的前馈权值通常采用BP算法调整,而反馈权值设定为常数。因此,为了保证其收敛性,在网络的训练过程中需要反复调整反馈的权值,寻找其最优解。

本文将改进的Elman网络应用到电力系统短期负荷预测中进行建模,这样可以利用改进Elman网络的良好学习能力,达到全局最优的拟合结果。

2 改进的Elman网络

Elman网络是一种具有典型内反馈结构的动态递归网络[10],当Elman网络用于辨识单输入单输出对象时,只需要一个输入单元、一个输出单元和n+1个隐层单元,比相应的静态网络结构简单。但是,常规Elman网络采用标准BP学习算法训练时仅能辨识一阶线性动态系统[11]。

2.1 改进的Elman网络结构

针对Elman网络的一些不足,许多学者对其训练方法与网络结构进行了研究,提出了比较多的网络训练方法,如BPTT(hack propagation through time)方法、RTBP (real-time recurrent back propagation)方法以及遗传算法[12]等。在网络结构改进方面,文献[12]在Elman网络的输入输出之间增加了直接连接的权值。本文应用一种改进的Elman网络,通过在结构单元上增加了一个固定增益为α的自反馈连接,能够有效地辨识高阶的动态系统,其网络结构如图1所示。图中,u(k)为网络的外部输入,ynet(k)为网络输出,x(k)为隐层输出,xc(k)为结构单元输出。由于在结构单元上增加了一个固定增益为α的自反馈连接,使结构单元在k时刻的输出等于隐层在k-1时刻的输出加上结构单元在k-1时刻输出值的α倍。

以单输入、单输出为例,假设隐层节点数目为n,输入单元到隐层单元的连接权值为Wu(n1),结构单元到隐层单元的连接权值为Wx(nn),隐层单元到输出单元的连接权值为Wy(1n),整个网络结构可以用下面的公式来描述。

隐层第i个节点输入:

式中,f(g)为隐层单元的激励函数(通常取Sigmoid函数);g(g)为输出单元的激励函数(通常取线性函数)。

目标函数通常采用:

式中,P为样本数;tj,p为第P个样本的第j个输出分量。

2.2 改进的Elman网络学习算法

采用带自适应学习率的动态BP算法对改进的Elman网络进行训练。具体算法为:

式中,yd为网络训练目标值;gxj、fvj分别为函数g(g)、f(g)的一阶导数

3 应用实例

本文利用广西某供电局区2004年6月1日至7月31日的历史数据进行建模、训练并验证提出的方法,且应用MATLAB6.5软件实现了全部算法。

为避免神经元饱和现象,在输入层采用式(10)将各个负荷值换算为[-1,1]区间的值,在输出层用式(11)换算回负荷值。

式中,Lmax、Lmin分别表示样本集中最大、最小值。

选取模型的输入量有22个,分别是待测日和待测目前天的最高温度、最低温度、湿度和天气状况;待测日前1天的最大、最小及平均负荷;待测日前1天及前2天分别以预测时段为中心取5个负荷值,待测日前1周预测时段的负荷值。输出量有1个为待测日某时段的负荷值,本文采取的是逐点预测。利用待测日前6周的历史数据来训练网络。

为了比较模型优劣,分别用本文所提出的方法和传统BP网络方法进行预测计算,其预测结果见表1。同时,还给出了预测连续3周日负荷峰值的平均误差,见表2和表3。

从预测结果我们可以看出Elman网络的负荷预测精度得到显著提高,同时也证明这种方法是完全可行的。从表1中还可以发现Elman网络的预测相对误差变化很均匀,表明其泛化能力比BP神经网络有很大提高。从表2和表3中可以看出Elman网络能够更好地拟合负荷与影响因素之间的密切关系,进行更加可靠地预测。

4 结论

由于电力系统日益庞大,各个方面因素的影响使得负荷变化的不确定性增加,这也加大了负荷预测的难度。本文采用Elman网络的短期负荷预测模型,克服了传统BP神经网络的一些缺点。通过仿真计算表明,该方法是可行且有效的。

参考文献

[1]汪峰，于尔铿，周京阳．能量管理系统(EMS)第四讲——电力系统负荷预测[J]．电力系统自动化，1997，21(4)：66-69．

[2]陈耀武，汪乐宇，龙洪玉．基于组合式神经网络的短期电力负荷预测模型[J]．中国电机工程学报，2001，25(1)：50-53．

[3]周佃民，管晓宏，孙捷，等．基于神经网络的电力系统短期负荷预测研究[J]．电网技术，2002，26(2)：10-14．

[4]尤勇．盛万兴，王孙安．基于人工免疫网络的短期负荷预测模型[J]．中国电机工程学报，2003，23(3)：26-30．

[s]赵剑剑，张步涵，程时杰，等．一种基于模糊逻辑和神经网络的电力负荷预测方法[J]．电网技术，2003，27(6)：22-25．

[6]袁曾任．人工神经元网络及其应用[M]．北京：清华大学出版社，1999．

[7]ELMAN J L.Finding structure in time [J].Cognitive Science, 1990,14:179-211.

[8]MASUMI I.Prediction of time series by a structure leaning of neural network[J].Fuzzy Sets and System,1996,82:167-176.

[9]KUNT K J,SBARBARO D.Neural network for nonlinear in con- trol[J].Proc IEE Pt D,1991,138:431-438.

[10]QinSi' zhao,Su Hong'te,McAvoy Thomas J.Comparison of four neural net learning methods for dynamic system identification [J].IEEE Transactions on Neural Networks,1992,3(1):122-130.

[11]Pham D T,Karaboga D.Training Elman and Jordan networks for system identification using genetic algorithms [J].Artificial Intelli- gence in Engineering,1999,13(2):107-117.

短期应用 第9篇

目前预报降水的方法众多,主要包括传统的统计学方法和数值预报方法。这些方法均给出了具体的函数关系,意味着将降水变化规律化、公式化,反而限制了预测的准确性。

而人工神经网络的预测方法建立在对输入和输出变量的非线性映射之上,它只和训练样本和目标有关。该方法不仅克服了具体函数表达式的局限性,还能通过学习、训练过程选择相对最优网络对目标值进行预测。非线性,具反馈能力的神经网络模型在水文,泥沙等许多方面得到了广泛的应用,并取得了比较理想的结果。

郭光和严绍瑾等人[1]利用BP网络模型对我国东部6个城市的1991年(历史罕见涝年)和1994年(旱年)的汛期(5-9月)降水进行了模拟预报试验,模式预报的旱涝总体趋势与实况相符。误差分析表明:1991年和1994年预报值与实测值的相对误差和相关系数分别为0.134,0.150和0.931及0.904,效果较好。

金龙等人[2]进行了神经网络汛期降水预报性能与逐步回归预报准确率的对比分析,认为神经网络预报模型的预报性能明显优于逐步回归预报模型。

鉴于上述情况,本研究的主要目的是利用BP神经网络强大的非线性函数逼近功能,建立基于BP神经网络方法的短期降水量的预测模型,为降水量的预测提供一种新的尝试。

1 数据收集与处理

1.1 数据的收集

本次试验数据来源于辽宁省沈阳市气象观测站,位置为北纬41°44′、东经122°25′,海拔高度42.8米。沈阳市地处中国东北地区的南部,辽宁省的中部,位于北温带亚洲季风区北缘,属湿润半湿润暖温带大陆性气候,全年平均气温6.8℃-8.0℃,7月份气温最高,平均气温约24.0℃,1月份气温最低,月平均气温8.5℃,年降水量平均为721.9毫米。

本文收集沈阳气象站2002年的气象观测资料,包括地面观测图和高空500h Pa观测图。选取7~9月的气压场、温度场、湿度场、风场和高度场等18个数据,用其中的7月和9月数据作为模型的训练集,8月的数据作为模型的检验集,来建立人工神经网络的降水预测模型。

1.2 数据的处理

从地面观测图和高空图中提取相关的数据,根据提取的数据的完整程度,进行修正。然后根据各个因子与日降水量的相关程度,选取相关系数较大的因子作为人工神经网络的输入因子。

由于原始数据幅值大小不一,有时候还相差比较悬殊。如果直接投入使用,测量值大的波动就会阻断神经网络的学习过程,使其不能反映小的测量值的变化。

所以,在网络训练之前,输人数据和目标矢量都要经过归一化处理。其中,归一化处理采用的公式如下:

式中:xnorm为样本归一化的值;xi为样本初始值;xmax为样本最大值;xmin为样本最小值。

2 模型的建立及应用检验

2.1 BP神经网络建模

应用BP神经网络建模进行降水量的预测时,需先确定训练和检验样本集。为了能够更好地反映降水量的复杂程度,这里选择每年中降水量较大的7~9月的逐日气象资料作为样本,其中7月和9月的逐日气象资料作为训练样本,8月的数据作为检验样本。

在确定输入因子方面,主要选择与降水量相关的因子,气压场选择地面02时、14时气压和高空500h Pa气压,温度场选择日平均气温和02时、04时的气温,此外,还选择了一些与降水密切相关的因素,如:日平均温度、低云量等。

确定输出因子为第二天的降水量。

2.2 网络参数的最终确定

确定优化的BP网络模型的具体参数如下:

2.3 三种训练函数预测评分

从预报准确率(对晴天和雨天预报正确的天数占总天数的百分比)、降水的准确率(成功预报降水的天数占实际降水天数的百分比)和综合降水的TS评分(对降水预报正确的天数占报对、报空和报漏总天数的百分比)方面,分别对这三种预测结果进行分析对比。如表3:

由上表可知,对于总的预报准确度来说,traingdx函数和trainlm函数的准确性相同,均为66.7%,trainscg函数的准确性较低,为56.7%。

对于降水预报的准确性来说,三种函数的差别很大,其中trainlm函数的预报效果最好,准确度达到83.3%,TS评分也最高,达到了50%,达到了预期的预报效果。

其次是trainscg函数,降水预报准确度为66.7%,降水的TS评分为38.1%,略高于traingdx函数的TS评分。

综上所述,当BP神经网络模型的训练函数为trainlm时,模型的预测效果做好,收敛速度也最快。对降水的预报准确率达到了83.3%,降水TS评分为50%,效果较好。

3 结论与讨论

3.1 主要结论

主要的结论可以概括如下:

1)本文在研究了降水的形成原因的基础上,确定了影响降水的相关因子,通过比较它们与输出因子之间的相关性,确定了18个因子作为网络的输入因子,主要有:高空的气压场、风场、湿度场和温度场,地面的气压场、变压场等,还有与降水相关的低云量。

2)通过利用样本对模型进行训练,确定了网络各个层次之间的传递函数:输入层到隐层为tansig函数,隐层到输出层位logsig函数。并且选择出了拟合效果比较好的训练函数,依次为traingdx函数、trainlm函数和trainscg函数。

3)由于隐层节点数对网络的性能影响比较大,本文通过比较三种不同训练函数对样本的拟合误差和训练速度,确定了每种训练函数的最佳隐层数:traingdx函数为12个、trainlm函数13个和trainscg函数9个。

4)分别利用三种训练函数进行降水预测,通过比较发现:当BP神经网络模型的训练函数为trainlm时,模型的预测效果最好,收敛速度也最快。对降水的预报准确率达到了83.3%,总降水的TS评分为50%。但对于中雨及以上量级的预测,效果不是很明显,还有待于进一步完善。

3.2讨论

本文对降水的预报的准确率达到83.3%,但是对于中雨及中雨以上的降水预报效果不是很好。主要是逐日降水量是非正态、非线性、非平衡序列的问题,尤其是对于夏季短时降水,突变性非常强,无法抓住其规律。

所以,要增加降水预报的准确率,还需要做大量的工作。比如收集沈阳及沈阳周边地区4个以上的站点观测数据,增加降水预报的时空范围。收集更多有物理意义的输入因子,通过计算输入因子与降水量之间的相关系数,选择相关性较好的因子。若输入因子过多,可以尝试利用主成分分析,将因子做主成分分析,将浓缩的主成分作为新的输入因子。这样有可能提高预报精度。

摘要：本文利用沈阳市2002年夏季的地面和高空气象观测资料,建立逐日降水量的三层BP神经网络预测模型。通过分析降水的形成原因,选择了高空和地面的气压场、温度场、湿度场和风场等18个气象要素作为模型的输入因子,以第二天的降水量作为模型的输出因子,并利用7月和9月的观测数据作为训练样本,确定了以tansig-logsig为传递函数,traingdx等三种函数为训练函数的网络最终结构。最后,利用2002年8月的观测数据对模型进行检验,结果显示:训练函数为trainlm函数时,网络的拟合效果和预测效果最好,对降水的预报准确率达到83.3%,降水综合TS评分为50%。实验表明了人工神经网络在短期降水预报方面具有良好的应用前景。

关键词：短期降水,BP神经网络,预测模型,训练函数

参考文献

[1]郭光,严绍瑾,尹树新.人工神经网络用于我国东部汛期降水预测的研究[J].南京气象学院学报,1996,19(3):354-357.

短期应用 第10篇

大规模特高压直流水电输送给我国受端区域网省两级协调运行带来极大挑战,在协调优化理论和应用系统实用性、易用性、智能化等方面提出了更高要求[1,2,3]。华东电网作为中国最大区域电网以及特高压直流水电输送的主要受端,其发电调度和管理尤为复杂[4,5,6],涉及区外特高压直流水电和区内电源在多个电网间的协调优化,以及复杂的计划编制流程,导致传统的经验调度方式和计划编制工具很难满足目前的工程实际要求[7,8],迫切需要实用的网省两级协调方法和系统实现技术以指导各类电源和大规模区外直流联络线科学、高效地运行。

华东电网网内包含了水电、火电、核电、风电等多种电源,也包括我国最大规模的抽水蓄能电站(简称抽蓄电站)群,以及6条跨区特高压直流联络线,在实际运行中这些电源与区外大规模直流水电需要通过网省协调共同满足华东5个省(市)级电网的用电负荷需求。华东电网网省两级协调极大不同于单一的省级电网[9,10],也有别于其他区域电网,具有其明显的特点,表现在电源结构复杂、省(市)间负荷特性差异大、跨区受电规模大等方面,给电网的调度和管理运行带来很大难题,主要包括以下2个方面。

(1)更加复杂的调峰问题:华东全网目前最大峰谷差已经超过了69 300 MW,超过全网负荷的30%,但优质调峰电源比重不足10%,需要通过跨省互联电力平台协调优质电源在省际间的电力分配,以同时响应多个省(市)级电网差异极大的峰值负荷需求,例如网调直接管理的2座水电站、6座火电站、4座抽蓄电站、2座核电站,以及6条区外直流联络线均承担多电网送电调峰任务。

(2)大规模特高压直流水电的输送方式问题:目前的“直线”或者“反调峰”输送计划大幅增加了低谷馈入电力,未能有效发挥西南巨型水电站群对华东电网的负荷调节作用,反而加剧了受端调峰压力,随着华东电网消纳区外来电突破126.5 TW·h(2015年),特高压直流水电已成为影响华东电网调度运行的重要外部电源。

在这样的背景下,如何利用区域电网内多个省级电网间负荷特性差异、电源间互剂特点,进行区外大规模直流水电与区内各种类型电站的有效协调,确定科学合理的直流输送计划和发电运行计划,及其在多个省级电网间的电力分配过程,对于提升大规模区外水电的负荷调节作用,缓解受端电网严峻调峰压力,是非常关键和重要的。

笔者已针对华东电网网省两级协调面临的关键理论和技术问题深入研究,并在区域电网直调电厂发电调度方面取得一些初步的理论和应用成果[11,12]。本文在此基础上,进一步考虑跨区直流联络线,结合最新的电网实际运行需求和资料,总结提出了适用于区域电网的特高压直流水电和区内多电源混联的水火电系统短期协调控制方法,细述了最新发明的特高压直流水电多电网协调分配方法和抽蓄电站状态交替搜索方法,简要介绍了笔者团队研发的区域电网水火电短期协调优化系统和应用情况,并给出本文方法的应用结果,验证其实用性和高效性。

1 区域电网水火电短期协调模型

1.1 目标函数

区域电网网省两级调度的主要任务之一是利用多个省级电网间的负荷互补特性,对区域电网直接调管的水电、抽蓄、火电等电力资源进行省际间的电力和电量优化分配,以同时满足多个省级电网调峰要求,减小各电网余荷峰谷差,使各电网余荷尽量平滑,最终实现减少调节性能较差的火电等电源频繁开停机,保证电网安全、节能、经济运行。为此,以系统中各电网余荷均方差之和最小作为优化目标:

其中,Cg,t、C′g,t分别为g号电网在时段t的原始负荷和余留负荷,MW;Ni,g,t为第i类电源向g号电网输送的电力之和,若Ni,g,t为负值,则表示抽蓄电站在时段t抽水时从g号电网消耗的电力,MW;n为电源类型总数;T为调度周期时段总数;G为电网总数。

1.2 约束条件

上述目标需要满足抽蓄、水电、火电、直流联络线等各类电源的运行约束,以及电网间的电力电量控制约束,下文将逐一给出各类约束条件。

1.2.1 系统和直流联络线约束条件

(1)直流联络线送电量控制约束。

其中,Δt为单一时段小时数;Pd i,g,t为i号联络线在时段t输送给g号电网的电力;Ed i为i号联络线的输送电量;Rdi,g为i号联络线输送给g号电网的电量比例;i=1,2,…,I,I为直流联络线总数。

(2)直流联络线单时段电力平衡约束。

其中,Pdi,t为i号联络线在时段t输送的电力值。

(3)直流联络线出力波动控制约束。

其中,α=1,2,…,te i,te i为i号联络线输送给g号电网的电力在一轮升降过程中最高或最低点需持续的最少时段数,tei>1。

1.2.2 抽蓄电站约束条件

(1)上下库水量平衡约束。

其中,Vupj,t、Vlowj,t、qpj,t分别为j号抽蓄电站上库时段t末的库容、下库时段t末的库容、时段t的发电流量或抽水流量。

(2)上下库水位限制。

其中,Zupmax,upj,t、Zmin,upj,t、Zj,t分别为j号抽蓄电站上库时段t末水位及其下限和上限;Zlowj,t、Zmin,lowj,t、Zmax,lowj,t分别为j号抽蓄电站下库时段t末水位及其下限和上限。

(3)发电量和抽水耗电量约束。

其中,Ejoutput、Ej′output分别为j号抽蓄电站的发电量及其控制目标;Ejp、E′jp分别为j号抽蓄电站的抽水耗电量及其控制目标。

(4)发电和抽水容量约束。

其中,PP j,t为j号抽蓄电站的发电出力或抽水功率;分别为j号抽蓄电站的发电出力下限值和上限值;Ωj,head为j号抽蓄电站在抽水工况时特定水头的抽水功率取值集合。

(5)发电和抽水流量约束。

其中,分别为j号抽蓄电站在时段t发电流量下限值和上限值;Ψj,head为j号抽蓄电站在抽水工况时特定水头的抽水流量取值集合。

(6)开停机最小持续时段数约束。

当j号抽蓄电站在时段t—tspj运行时,有:

当j号抽蓄电站在时段t—tpg j停机时,有:

其中,tps j、tpg j分别为j号抽蓄电站开机与停机的最小持续时段数,tspj≥1,tpg j≥1。

1.2.3 常规水电站约束条件

(1)水量平衡约束。

其中,Wm,t为m号水电站在时段t的库容;Qm,t为m号水电站在时段t的入库流量,;K为m号水电站上游电站的总个数;QkTm,t为考虑滞时后上游电站k在时段t流入m号水电站的流量;Qn m,t为m号水电站在时段t的区间流量;qm,t、Qd m,t分别为m号水电站在时段t的发电和弃水流量。

(2)库水位约束条件。

其中,Zm,T、Z′m,T分别为m号水电站在调度周期末的水位及其控制目标。

(3)发电流量上下限。

其中,分别为m号水电站在时段t的发电流量上、下限。

(4)出库流量上下限。

其中,分别为m号水电站在时段t的出库流量及其上、下限。

(5)出力上下限。

其中,分别为m号水电站在时段t的平均出力及其下限、上限。

(6)水位上下限。

其中,分别为m号水电站在时段t的上游水位及其上、下限。

(7)开停机最小持续时段数约束。

该约束与抽蓄电站第6条约束类似,可参考式(11)、(12)。

(8)出力爬坡约束。

其中,ΔPHm为m号水电站相邻2个时段的出力增减最大限制。

1.2.4 火电站约束条件

(1)日发电量需求。

其中,u为机组编号,u=1,2,…,U,U为参与计算的机组台数;PTu,t为u号机组在时段t的出力;ETu为u号机组在调度周期内的电量需求。

(2)最小技术出力约束。

其中,PTu为u号机组的最小技术出力。

(3)可用容量上限。

其中,为u号机组在时段t的出力上限。

(4)出力爬坡约束。

其中,RTu为u号机组的单时段出力爬坡上限。

(5)出力波动控制约束。

该约束与直流联络线第3条约束类似,可参考式(4)。

2 模型求解方法

2.1 总体求解思路

区域电网网省两级协调问题是涉及多种类型电源的复杂非线性优化问题,直接优化求解的难度很大,参考常用的复杂问题解决思路,可将原问题分解为多个子问题进行协调优化求解[14,15,16,17]。结合电源类型,原问题可分解为直流水电、抽蓄、常规水电、火电、核电等子问题,本文根据各子问题特点设计了适合的求解方法,其中直流水电子问题的求解方法同样适用于解决单一电站在多个电网间的负荷分配问题,最后耦合这些方法建立了特高压直流水电与受端多种电源混联协调求解框架,具体步骤如下:

a.在一次迭代中,选择某子问题作为面临求解问题,并从原始负荷中扣除其余子问题对应电站出力得到各电网余留负荷过程,将其作为面临子问题的负荷条件;

b.以式(1)为优化目标,根据面临子问题类型选择适合的求解算法优化确定相应电源的出力过程;

c.采用网间电力分配方法确定该子问题各电站在电网间的电力分配过程;

d.按上述步骤,逐一优化求解其余子问题,即完成一次迭代;

e.重复上述过程,直到2次迭代的目标差值满足给定的精度要求,即优化结束。

在协调求解过程中,区外直流水电的日电力过程一般由电网间的多边合同确定,核电站也按给定出力过程运行,所以这2类电源直接采用网间电力分配方法确定分配过程即可;常规水电、火电子问题分别采用逐次关联搜索方法、改进切负荷调峰方法优化出力过程。文献[13,18]对前者做了详细介绍,文献[19]给出了后者的基本原理和求解过程。下文重点细述特高压直流水电子问题和抽蓄电站子问题的求解算法和相关约束处理策略。

2.2 直流水电子问题求解方法

对于直流水电子问题,主要考虑在已知联络线输电过程的条件下,如何确定输送给各电网的电力分配过程,实质就是解决网间电力分配问题。解决思路是利用省级电网间的负荷差异,优化其在各受端电网的分配过程,满足各电网调峰需求。本文在文献[12]所提方法的基础上,进一步考虑电网受电过程波动控制约束,提出改进的网间电力分配方法。为满足直流水电约束式(2)—(4),首先利用受电过程波动控制约束重构负荷曲线,进而采用逐次切负荷得到各电网的初始受电过程,将其作为初始解;以电网负荷高低作为启发信息,对初始解进行迭代修正,迭代调整多个时段联络线在受端电网间的电力分配大小,直至收敛到问题的可行解。

对于受电过程波动控制约束,采用2种策略进行耦合处理:第一种是负荷重构策略,即利用该约束中电力在一轮升降过程中最高或最低点需持续的最少时段数预先修正面临的负荷曲线,以削减相邻时段负荷毛刺,保证切负荷得到的电力过程是切实可行的,具体修正方法见式(24)和(25);第二种是多时段关联搜索策略,在多个电网间协调受电过程中,为避免单时段调整破坏该约束,引入多时段关联搜索策略,实现多个时段受电电力同增或同减,以满足约束条件中的出力持续性要求。

对于直流联络线输送某电网的电量控制约束,在求解中采用逐次切负荷可以保证初始解满足该约束,并在每一次搜索中采用等步长反向调整不同时段出力,调整方式见下文式(28)和(29),以确保搜索过程中始终不违反该约束。

对于时段电力平衡约束,以时段电力偏差从大到小的顺序,逐次修正电网受电电力,直至所有时段都达到平衡,修正策略在前期成果[12]中已有详细介绍,此处不再赘述。

对于任一i号直流联络线,详细求解步骤如下。

a.将i号直流联络线面临的负荷曲线分为S段,其中,α为受电过程中电力极值点的最小持续时段要求。

b.计算每一分段s的负荷均值。

其中,Ωs为负荷分段s中包含的时段编号集合。

c.采用式(25)确定修正后的负荷过程。

d.以步骤c得到的负荷过程为需求,以i号直流联络线的输送能力为出力上限,以电网受电量Edi为约束条件,采用切负荷方法确定每一个电网的初始受电过程。

e.采用与文献[12]相同的策略确定需要减小出力的时段编号t1和需要修正出力的电网编号g′。

f.判断时段t1出力是否为极值点,若是,需要找出相邻出力值在精度范围内的关联时段编号,并标记这些时段集合为ψ1;采用同样思路找出对应电网中需要增加出力的时段集合,标记为γ1。

g.采用式(26)和(27)分别确定减小出力和增加出力的步长大小,并分别采用式(28)和(29)对集合ψ1和γ1中的所有时段进行减出力和加出力。

其中,C(·)表示某集合中包含的元素个数;Dt、D′t分别为出力正、负偏差序列;pD为给定的出力增减幅度上限值。

h.重新计算g′号电网的余留负荷,并重复上述步骤,直至电力分配过程满足约束式(2)—(4)。

2.3 抽蓄电站子问题求解方法

结合抽蓄电站调峰填谷运行特点,以负荷高低为启发因子,以发电量和抽水耗电量为约束条件,提出状态交替搜索算法,迭代逼近给定的双电量控制目标,确定电站日运行计划。对于任一m号抽蓄电站,考虑面临负荷曲线{Cm,1,Cm,2,…,Cm,T},按照下述方法交替对发电和抽水工况进行搜索。

a.电站初始发电和抽水工况出力分别为N0m,t=0、Q0Nm,tq=0,定义k%2=0时搜索电站的抽水功率,否则搜索发电出力,初设迭代次数k=0。

b.当k%2=0(k≥1)时,此时为抽水状态,计算当前抽水耗电量与给定的目标需求Ej′p之间的差值是否满足精度要求,若满足,转至步骤c;否则,分以下2种情况处理。

第一,当计算值小于目标值E′pj时,找出负荷序列的最小值Cminm,t2及其对应时段t2,采用式(30)增加该时段电站抽水功率,并判断结果是否满足开停机最小持续时段数要求,若不满足,找出时段t2左右相邻负荷较高的多个时段,并标记为[t′2,t″2],采用式(31)修正其出力,以满足约束要求。

其中,QEm为m号电站最小抽水单位出力,MW;QkP m,t2为m号电站第k次搜索在时段t2的出力,MW。

第二,当计算值大于目标值E′pj时,找出所有抽水时段中的负荷序列最大值Cmaxm,t3及其对应时段t3,采用式(32)减少该时段电站抽水功率,若时段t3的抽水功率仍大于0,则结果满足开停机最小持续时段数要求;若抽水功率降为0,则需要判断左右开停机最小持续时段数约束并采用与前述类似方法进行修正。

c.当k%2≠0(k≥1)时,此时为发电状态,计算当前发电量与给定的目标需求E′joutput之间的差值是否满足精度要求,若满足,转至步骤d;否则找出负荷序列的最大值或最小值及其对应时段t1,采用式(33)增加或减少该时段电站发电出力,并采用与上一步类似方法处理时间耦合约束。

其中,PEm为m号电站最小发电单位出力,MW;a为系数,a=1表示增加出力,a=-1表示减小出力;Pkm,t1为m号抽蓄电站第k次搜索在时段t1的出力,MW。

d.令k=k+1,若满足所有给定控制要求,则计算结束;若满足发电量要求,不满足抽水耗电量要求,则转至步骤b;若满足抽水耗电量要求,不满足发电量要求,则转至步骤c。

3 应用实践

3.1 区域电网水火电短期协调系统

上文提出的模型和方法已经集成到笔者研发的华东电网水火电协调优化系统,该系统涉及华东网调14座电站和6条跨区直流联络线,可以满足电网日常发电调度分析和计划编制需求。在未采用本文所提方法和应用系统前,电网更多地是依靠丰富的调度经验和网省之间的协议确定直流联络线和主要电厂的发电计划,并按照合同规定的电量比例在电网间进行各时段电力分配,并未细致考虑省级电网间负荷差异和互补规律,所以很多情况下难以给出与电网负荷需求一致的发电计划。采用该应用系统及本文提出的特高压直流水电与受端多电源协调方法,一般在20 s内可以生成合理的日前96点发电计划建议方案,并能充分响应多个辖属省级电网的调峰需求,切实提高了电网精细化调度水平和计算分析的效率。

本文重点聚焦区域电网水火电发电调度系统的理论部分,即特高压直流水电与受端多电源短期协调方法,关于应用系统的架构和技术实现细节,将在后续成果中进行总结和细述。

3.2 应用实例分析

本文提出的模型和方法已通过华东电网某年365 d实际数据的试调度运行得到验证,下面结合某日的调度结果和全年运行的总体情况2个方面,对比分析方法的合理性和高效性。

采用本文方法得到的某日各省级电网调峰结果和部分电站发电出力过程分别如图1、2所示。表1为系统负荷平衡过程的调峰统计指标。可以看出,各电站出力结果在满足给定的控制目标和爬坡等约束条件下,都尽可能地响应电网的峰值负荷需求,尤其抽蓄电站发挥了明显的调峰填谷作用,其抽水主要集中在03:00—06:00负荷低谷时段,发电则集中在09:00—12:00、18:00—19:00等主要负荷高峰时段,与华东电网总负荷需求保持一致,反映了结果的合理性。对各电网余荷峰谷差进行分析,经过直调抽蓄、水电和火电站的调节,上海、江苏、浙江、安徽的余留负荷峰谷差较原始负荷大幅度下降,平均降幅高达61.3%,浙江和上海2个受电量较大的电网,调峰幅度分别达到了77.6%和64.6%,调峰效果更为明显;另一方面,从余荷均方差可知,各电网全天余荷变化过程均比较平滑,与原负荷过程相比,4个电网余荷均方差的平均减小率达到52.1%,负荷平滑效果也非常显著。通过上述分析,可以说明本文提出的水火电协调调峰理论方法能够充分利用多个省级电网间的负荷差异,有效协调电网间的电力电量分配,较好地实现多省(市)共同调峰,进而有利于保障火电低煤耗平稳运行并减少机组启停损失,达到水火互济。

为进一步验证本文提出的理论方法,以华东电网某年1—12月实际96点负荷和运行控制要求为计算条件,采用该方法进行试调度运行,并与实际采用的经验调度结果进行比较分析,统计结果见表2。结果表明,系统得到的发电计划可以提高华东全网调峰率约20%,降低煤耗0.9 g/(k W·h),按照总火电发电量计算,相当于全年可节约标煤9.15×105t左右,减少CO2排放2.405×105t,节能减排效益非常显著,充分验证了本文短期协调控制方法可以得到比以往经验调度方式更合理的发电运行计划。

注:调峰率计算公式为[(Cmax-minmax-mininitial-Cremain)/Cmax-mininitial]×100%,其中Cmax-mininitial、Cmax-minremain分别为电网原始负荷和剩余负荷最大峰谷差。

4 结论

随着我国水电跨区跨省输送规模急剧扩大,特高压直流水电在受端电网所占比重也在不断增加,如何进行大规模区外直流水电与受端区域内多种常规电源协调运行,以在多个省网间合理高效配置优质电力资源,是我国水电大规模输送消纳面临的全新问题和挑战,亟需研发与之适应的理论方法和决策支持工具。本文结合我国水电最主要受端华东电网实际工程,以华东网调14座电站和6条跨区直流联络线为对象,建立了特高压直流水电和多种常规电源协调求解框架,并细述了最新提出的直流水电多电网配置方法和抽蓄电站状态交替搜索方法。这些理论成果已经集成到华东电网水火电短期协调控制系统,能够有效满足网调电站和区外直流联络线日运行计划的分析和编制要求,增强应用系统的实用性和结果的可用性,为电网日常调度和管理运行提供了非常便利的工具。

本文提出的协调优化模型和求解方法可以极大缓解受电端负荷中心地区省级电网调峰压力,减少火电开机并保障火电机组低煤耗平稳运行,为我国跨省区水电站以及多电源系统协调调度提供了理论方法和技术手段。

摘要：以我国水电主要受端华东电网为背景,提出了特高压直流水电和区内多电源混联的水火电系统短期协调控制方法,以多电网调峰为优化目标,耦合逐次关联搜索、改进切负荷以及直流水电网间协调分配方法和抽水蓄能电站状态交替搜索方法,优化水电、火电、直流联络线和抽蓄电站等电源出力,并以峰荷差异合理分配网间受电,满足多个省网调峰要求。所提方法已集成到华东网调水火电协调优化系统,并通过华东电网某年实际调度数据验证了方法的可行性和实用性。

短期应用 第11篇

认识小z是缘自一次主题为“突破思维定势”的心理辅导课。在那节课后，她给我一张小纸条，上面画着一个图形“

”，问：“老师，这里有多少个三角形？”我一时也没数清楚，就说等我回去数数再告诉你。以后，来往的次数多起来，我就记住她了。

二、个案基本资料

后来小z开始给我写信，我们之间的交流大部分是通过书信来完成的，总共有六次书信来往，在书信来往的中间，有过一次面谈。通过交流，我发现她有一些完美主义的倾向，对自己没有信心。原来她在初中的时候，腿受过伤，现在要去医院做检查治疗，她很担心腿治不好，生活、学习会受到影响。小z是英语课代表，晨读的时候要站着领读，因为腿疼，20分钟都坚持不下来，她只好让别人代她领读，这样老是麻烦别人，她觉得很不好意思。她的腿伤影响到了学习和生活，这让她产生不安、焦虑的情绪。从小父母给她灌输的思想是只有超过别人才行。她希望自己的成绩能和同学拉开很大差距，但从这次考试的成绩来看，她和同学的差距并没有达到预期效果。有时候她会出现一些强迫行为的倾向，临出门前反复检查自己的东西，生怕忘记东西，因此浪费了很多时间，但是自己控制不住。

随着了解的加深，我发现她是一个很优秀的学生，在班里的学习成绩很好，语文和英语很突出，尤其喜欢写作，人际关系也不错，有很多要好的朋友。即使是这样，她对自己依然没有信心。

三、辅导过程

我试图运用焦点解决短期心理咨询的技巧来和当事人通信和谈话。焦点解决短期心理咨询是目前短期心理咨询中相当盛行的一种。它不探讨事件发生的原因，亦不积极于催化当事人情绪的宣泄，以免当事人深陷困境或扩大悲伤、焦着或痛苦感。焦点解决短期心理咨询重视生命的正向积极面，强调积极肯定鼓励当事人，着重探索当事人内外在资源，企图协助当事人提取过去成功经验中的要素与信心，学习以建设性的新眼光来重新诠释生活的困境、失落或创伤，并且建立具体可行的正向目标，配合立即可为的行动，以催化当事人开启心灵的动力，重新创造新的成功经验，走出生命的低谷。

焦点解决短期心理咨询重视正向思考及未来导向，也强调个体之所以产生问题，往往是其问题的解决方式不当，所以重视的是问题的解决而非问题的成因。我决定运用焦点解决短期心理咨询的一些理念来帮助小z。

1.以正向为焦点的思考

一个人的思考方向会影响其思考内容与结果，进而影响他解决问题的策略及效能。当个体把思考焦点放在正向的、积极的、目标导向的方向时，就可以催化他朝向所期待的方向改变；若他将思考焦点放在问题的描述上，那么就很容易陷入抱怨与无助的情绪里，对解决问题没有太大的帮助。因此，焦点解决短期心理咨询运用正向的、朝向未来的、问题解决的积极观点，把焦点放在问题解决导向的谈话上，避免局限于问题取向的讨论，以协助个案产生改变。

小z在第一封信中说到她没自信，不知道该怎么办。这个问题困扰了她很久，我让她寻找以前的成功经验，以前的成功是怎么做到的，现在是否可以尝试，以此消除陷于绝境的过度担忧，由过去的成功经验，找寻可供解决目前问题的策略。她说到很多过去的辉煌，我趁机指出她的潜力，鼓励她继续尝试努力。

2.例外带来解决之道

不论多么麻烦的问题，总有问题不发生的时候，这就是所谓的例外。人们往往只注意问题发生的时候，陷于问题发生时的愤怒或无助里，很少去思索问题何时会不发生，也常常忽略自己已经做到的、曾经做过的或开始在做的行动。焦点解决短期心理疗法相信任何问题都有例外，个案有能力解决自己的问题，咨询师要协助个案找出例外，让个案看到自己的能力和资源，减少个案对问题的焦虑，增加个案的自我控制感、自我效能感，带来问题解决的可能。当来访者叙述其不开心，陷于焦虑不安的情绪中时，咨询师经由来访者的叙述，找到例外的可能，也就是“何时焦虑不会发生”或是“何时焦虑会少一点”，透过研究个案做了什么而使例外情境发生，加强、增多例外情境的发生，使这些小小的例外情境变成改变的开始，逐步发展成更多的改变。

小z在一次通信中说到自己不开心，觉得自己就像得了焦虑症似的总是好像在担心什么。我就让她回忆自己在什么时候会比较开心，焦虑的情绪会少一点，她回信说在她写文章的时候感觉比较舒服，在和朋友聊天的时候感觉会很开心，我就让她思考为什么做这些的时候心情会好一些。从这个方向思考，找到问题发生时个案做什么可以使例外情境发生，从一个小的改变开始，带来问题的解决。

3.转变问句

焦点解决短期心理咨询主要是以“可以做什么让问题不再继续下去”这样的问句，取代“问题发生的原因是什么”；以探究此时此刻可以做些什么的问句，取代探讨过去原因的问句。由于焦点解决短期心理咨询专注于朝向问题解决的历程，而非探索原因的历程，所以有可能在不探究问题原因的情形下，就成功地解决了问题。“了解原因”在焦点解决短期咨询过程中不一定是必要的，重要的是“解决”的历程。

小z和我面谈的那一次是一次晚自习，她找到我说，这次考试中，自己的名次和同学相比，差距没达到自己的要求，担心现在都没有差距，将来怎么考上自己理想的大学。父母也给其灌输“只有超过别人，才能行”的思想。我问她：“你如果想考上理想的大学，要超过别人，你可以做些什么？”她说她应该在数学上再多下一点功夫，因为自己的其他科目都挺好的，就是数学有些薄弱，才和同学的差距很小。至于数学上怎么再提高一些，她也说了一些具体的做法，比如利用中午的时间找老师答疑，平时多向同学讨教方法，自己在做题目的时候也多思考总结。通过询问她可以做些什么让问题不再继续下去，她找到了解决问题的方法，而不再一味地陷于担心之中。

4.刻度问句

刻度问句能协助来访者将抽象的概念以比较具体的方式加以描述。在焦点解决短期心理疗法中最常用的刻度问句是0到10的刻度量表，10代表所有目标都实现，而0表示最坏的可能性。例如：

分数状况描述咨询师和来访者探讨内容

10 最完美的解决用奇迹问句鼓励来访者积极思考。

7 好的、现实的结果小的、现实的改变，使问题不要干扰来访者的生活。

3来访者现在的状态来访者现在已经做了什么。

0最坏的情境最好不要详细探讨。

针对小z提到自己去上学的时候，在临出门前会反复检查自己带的东西，我问她，如果10分代表自己反复检查东西的这种行为已经完全没有了，而0分表示最坏的可能，那么自己目前的情况可以打多少分。她给自己打的分数是5分，我问她如果想再升一格，应该做些什么。借由刻度问句帮助她看到自己已经做了什么以及下一步应该做什么，让解决问题有明确的方向。

四、辅导效果及反思

通过运用焦点解决短期心理咨询的理念，我看到了小z的改变，从最后一次的通信可以看出，小z最近比以前感觉好多了，至少对于考试、学习方面，没有以前那么担心焦虑了，总体感觉也轻松了。

本案例采用焦点解决短期心理咨询，短期看来取得了良好的效果，但是来访者人格的改变是一个长期的过程，有时短期有效的方法只能解决表层的问题，更深层次的问题还需结合其他心理咨询的方法，促进来访者更好地成长。

短期应用 第12篇

一、本量利分析的基本理论

1、本量利分析的基本公式:

利润=销售收入-总成本

=销售收入-变动成本-固定成本

=单价销售量-单位变动成本销售量-固定成本

= (单价一单位变动成本) 销售量-固定成本

2、保本点分析。保本点又称为损益平衡点或盈亏临界点, 即企业在这一点上正好处于不亏不赚、利润为零的一种状态, 也就是销售收入与销售成本持平, 销售收入正好补偿成本。保本点作为在企业经营决策中作为一个重要的指标, 是因为保本是获得利润的前提。企业要想获得利润, 在预测利润时, 首先要先预测利润保本点的销售量, 过了保本点再扩大销售量才能够获得利润。

保本点的基本公式:

保本量=固定成本/ (单价-单位变动成本)

保本额=单价保本量

二、本量利分析在企业短期经营决策中的应用

本量利分析中涉及到的几种因素, 如单价、单位变动成本、固定成本等的变动, 对企业短期经营决策选择方案时影响很大, 应把握其内在的变动规律, 用于指导企业经营实践。

(1) 单价单独变动时的影响。产品的单价是影响企业短期经营决策中保本点最敏感的因素, 在其他因素不变的情况下根据保本点的基本公式我们可以看出, 当单价上涨时, 相应的会降低保本点。同理, 降低单价则意味着会导致保本点提高。

例如:某企业生产单一产品, 年产销量80000件, 每件产品的单价为80元, 单位变动成本每件48元, 固定成本总额为80000元。我们可以得出保本销售量=80000/ (80-48) =2500 (件) 保本销售额=250080=200000 (元)

假定现在产品的销售单价上涨10%, 其他因素保持不变会对保本点产生影响如下:保本销售量=80000/ (88-48) =2000 (件) , 保本销售额=200080=160000 (元) , 从计算结果可以看出, 单价提高10%, 保本点的销售量下降了500件, 保本点的销售额下降了40000元, 企业的利润在原有的基础上增加40000元。

(2) 单位变动成本单独变动时的影响。单位变动成本的变化对保本点的影响也是值得考虑的重要因素。在其他条件保持不变的情况下, 单位变动成本降低, 保本点就会下降;反之单位变动成本增加, 保本点就会上升。

上例中假设单位变动成本下降10%, 其他因素不变, 则此情况下, 对保本点会产生这样的影响, 保本点的销售量为2500件, 保本销售额为200000元, 现在单位变动成本下降10%, 则保本销售量=80000/ (80-43.2) =2174 (件) , 保本销售额=217480=173920 (元)

由计算结果可以看出, 单位变动成本下降10%, 保本点的销售量下降326件, 保本销售额下降26080元, 企业的利润在原有的基础上增加了26080元。

(3) 固定成本变动的影响。固定成本总额的升高或降低, 对企业盈亏的影响同样也很重要, 当在市场需求极为旺盛时, 企业可能通过固定成本支出 (如广告费、租赁设备等) 来扩大生产能力, 进而扩大销售量。固定成本的高低与企业经营规模直接相关, 企业的经营规模越大, 固定成本就越高。在确定有关产品的保本点销售量时, 如果其他因素保持不变, 固定成本总额上升会使保本点上升。如果销售量不变, 利润减少;反之, 保本点就会相应降低, 利润增加。

仍用上例我们可以分析一下, 上例中, 假设其他因素不变, 固定成本总额下降10%, 则此种情况下保本销售量=80000 (1-10%) / (80-48) =2250 (件) 保本销售额=225080=180000元。由计算结果可以看出, 固定成本总额下降10%, 保本点的销售量下降250件, 保本销量额下降了20000元, 企业的利润在原有的基础上增加了20000元。

(4) 销售量变动对保本点的影响。在上例中, 若销售量发生变动, 保本点的计算公式可以看出, 保本销售量无变化。保本销售量=80000 (80-48) =2500件, 保本销售额=250080=200000元, 从上例中, 可以看出销售量的变化对保本点没什么影响。销售量增加了10%, 企业的利润在原有的基础上就增加了64000 (800080) 元。只要销售量超过保本点企业就获利, 销售量超过的越多, 企业获得的利润就越多;反之销售量低于保本点, 企业就亏损。

从以上影响的四个因素中, 我们可以看出对保本点影响最为敏感的是销售单价, 从分析中可以看着出, 各因素都变动了10%, 销售单价的变动使企业的利润增最多。所以, 在短期经营决策中企业可以采取减少固定成本及变动成本、提高售价、增加销量等办法来提高经济效益, 从而使本量利分析更加广泛的应用于企业管理的各个方面。

(5) 本量利分析在短期经营应用中应注意其局限性。当然本量利分析在短期经营应用中存在的局限性, 也是要求我们一定要注意的, 本量利分析中对企业短期经营全部成本有特殊的要求, 要求全部成本被区分为固定成本与变动成本两部分, 假定在一定时期内, 业务量总是在保持成本水平和单价水平不变所能允许的范围内变化的, 在分析时假定只考虑一种产品生产的条件下, 生产出来的产品总是可以找到市场, 可以实现产销一致、品种结构稳定, 产品成本中只包括变动生产成本, 而所有的固定成本, 均作为期间成本处理, 本量利分析只考虑“息税前利润”等。

所以通过以上分析, 本量利分析方法在短期经营决策中的更好的应用, 能够保证短期经营决策的合法性、政策性、责任性及科学性, 提高企业的管理效率和效益有着不可忽视的作用。企业的短期经营决策者要权衡轻重, 做到有的放矢。在假定前提条件都可以满足的条件下, 可通过单价、单位变动成本、固定成本等变化, 做好人工费、材料费、机械费等可变成本的控制工作, 切实降低可变成本, 提高企业的经济效益。做到趋利避害, 实现企业的利润最大化, 只有这样才能使企业在今后的发展中健康成长。

参考文献

[1]陈汉文.管理会计.中央广播电视大学出版社, 2010.[1]陈汉文.管理会计.中央广播电视大学出版社, 2010.