学位论文 > 优秀研究生学位论文题录展示

电力系统负荷分析预测

作　者: 李扬
导　师: 王培光
学　校: 河北大学
专　业: 控制理论与控制工程
关键词: 负荷分析负荷预测经验模式分解固有模态函数 BP神经网络
分类号: TM715
类　型: 硕士论文
年　份: 2010年
下　载: 135次
引　用: 0次
阅　读: 论文下载

内容摘要

电力系统负荷预测是电力系统运行调度中一项非常重要的工作,负荷预测精度对电网运行的安全性、经济性和电能质量有直接影响。本文首先对电力系统负荷预测的发展与研究现状进行了探讨,通过参考大量文献提出目前电力系统负荷预测中存在的问题,即偏重数学方法轻负荷分析。通过对电力负荷特性的研究,我们可以把电力负荷看成随机信号序列,使用经验模式分解(Empirical Mode Decomposition, EMD)理论,将负荷序列分解成具有不同频率特征的固有模态函数(Intrinsic Mode Function, IMF)分量,然后将各个固有模态函数与气象因素进行相关分析,找出与气象因素最相关的固有模态函数分量并在使用BP神经网络预测时加入相关气象因素,其它固有模态函数使用BP神经网络直接预测,最后将各个预测得出的固有模态函数分量加和重构得到负荷预测值。由实例预测结果看出,此方法与传统的负荷预测方法相比预测精度有所提高,尤其在负荷曲线的波峰与波谷处预测精度显著提高。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-12
  1.1 电力系统负荷预测的研究背景及意义  9
  1.2 电力系统负荷预测的发展和研究现状  9
  1.3 电力负荷分类及影响电力负荷的主要因素  9-10
  1.4 当前电力系统负荷预测中主要存在的问题  10
  1.5 本文所做的主要研究工作  10-12
第2章经验模式分解基本理论及其在负荷分析中的应用  12-20
  2.1 经验模式分解(EMD)理论  12-17
    2.1.1 经验模式分解(EMD)概述  12
    2.1.2 特征时间尺度  12-13
    2.1.3 Hilbert变换及瞬时频率  13-14
    2.1.4 固有模态函数(IMF)  14-15
    2.1.5 经验模式分解原理  15-17
  2.2 经验模式分解在电力系统负荷分析中的应用  17-19
  2.3 本章小结  19-20
第3章神经网络简述  20-26
  3.1 人工神经网络简介  20-22
    3.1.1 人工神经网络(Artificial Neural Networks,ANN)的基本概念  20
    3.1.2 神经元模型  20-22
  3.2 BP神经网络原理  22-25
  3.3 本章小结  25-26
第4章负荷分析与预测模型  26-40
  4.1 分析与预测所用数据的选取  26
  4.2 EMD分解日负荷曲线及各个IMF分量的物理意义  26-31
  4.3 气象因素相关分析  31-33
    4.3.1 日负荷分析气象因素选取  31-32
    4.3.2 日负荷IMF分量与气象因素的相关分析  32-33
  4.4 训练BP神经网络  33-39
  4.5 本章总结  39-40
第5章预测实例  40-47
  5.1 负荷预测误差指标  40
  5.2 负荷分析与预测实例  40-46
  5.3 本章总结  46-47
第6章总结与展望  47-49
  6.1 总结  47
  6.2 有待进一步研究的问题  47-49
参考文献  49-53
致谢  53-54
攻读硕士学位期间发表论文情况  54

电力系统负荷分析预测

内容摘要

全文目录

相似论文