学位论文 > 优秀研究生学位论文题录展示

基于神经网络的电力负荷预测

作　者: 李宝玉
导　师: 何怡刚
学　校: 湖南大学
专　业: 电气工程
关键词: 负荷预测神经网络误差反向传播径向基差值影响因子
分类号: TM715
类　型: 硕士论文
年　份: 2013年
下　载: 39次
引　用: 0次
阅　读: 论文下载

内容摘要

电力工业是我国重要的基础工业,关乎国计民生,是国民经济的命脉。正确而精准的电力负荷预测是电力系统规划、营销、市场交易、调度等部门工作的主要依据,对制定经济优化的发电计划、合理调配电力能源、合理安排机组运行、获得上网电价优势、取得最大的经济效益和社会效益也有着十分重要的意义。然而电力系统负荷预测是一项极其复杂和巨大的工程,过程十分繁琐,难度很大,它所受到的社会属性和自然属性太多(例如预测工作常常受到气象、温度、日期类型、经济、市场、竞争、政策和突发事件等大量复杂因素的多重影响),因此,研究先进且实用的电力负荷预测方法就显得尤为重要。本文主要研究了基于相关影响因素建立的短期电力负荷预测模型,提出了把电力负荷预测模型分解为基准负荷和影响因素产生的负荷分量两部分,提出了利用不同时间段的影响因子差值来预测影响因素负荷分量,从而消除影响因素之间冗余信息的影响,达到简化网络模型结构、提高预测速度和预测精度的目的。文章采用了BP神经网络和RBF神经网络,对BP神经网络和RBF神经网络的原理知识做了详尽的介绍；对于直接考虑影响因素的模型和本文提出的考虑影响因子差值修正的模型,分别采用了BP神经网络和RBF神经网络进行了仿真分析。仿真实验结果表明,本文提出的方法能够有效的提高预测速度和预测精度。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-14
  1.1 课题的背景及研究的目的  9-10
  1.2 预测理论依据及应遵循的理念  10-12
  1.3 国内外研究现状  12
  1.4 本文的研究思路及主要工作  12-14
第2章电力负荷预测的方法理论  14-23
  2.1 电力负荷预测的概述  14-15
  2.2 电力负荷预测的特点与分类  15-16
    2.2.1 电力负荷预测的特点  15
    2.2.2 电力负荷预测的分类  15-16
  2.3 电力负荷预测的方法  16-20
    2.3.1 传统经验方法和经典方法  16-18
    2.3.2 趋势规律外推预测法  18
    2.3.3 回归分析法  18
    2.3.4 灰色模型法  18-19
    2.3.5 神经网络法  19
    2.3.6 其他方法  19-20
  2.4 电力负荷预测的影响因子与误差分析  20-22
    2.4.1 电力负荷预测的影响因子  20-21
    2.4.2 误差分析  21-22
  2.5 本章小结  22-23
第3章负荷预测神经网络模型研究  23-28
  3.1 神经网络相关概念  23-25
    3.1.1 神经网络的模型  23-24
    3.1.2 神经网络模型的分类和学习规则  24-25
  3.2 神经网络用于预测的原理  25-27
  3.3 本章小结  27-28
第4章基于BP神经网络的电力负荷预测  28-44
  4.1 BP神经网络  28-31
    4.1.1 BP神经网络结构  28-29
    4.1.2 BP学习算法  29-31
  4.2 BP网络的优缺点及改进  31-34
    4.2.1 BP网络的优点  31
    4.2.2 BP网络的限制与不足  31
    4.2.3 BP算法改进设计  31-34
  4.3 Matlab仿真预处理  34-37
    4.3.1 应用要点  34
    4.3.2 数据预处理  34-35
    4.3.3 样本的归一化处理  35
    4.3.4 气象特征等影响因素的量化处理  35-37
  4.4 直接考虑影响因子的仿真分析  37-40
  4.5 考虑差值影响因子修正的仿真分析  40-43
    4.5.1 基于差值影响因子修正的负荷预测模型  40-41
    4.5.2 仿真分析  41-43
  4.6 本章小结  43-44
第5章基于RBF神经网络的电力负荷预测  44-51
  5.1 RBF神经网络的结构  44-45
  5.2 RBF神经网络常用的学习算法  45
  5.3 RBF神经网络的特点及注意事项  45-46
    5.3.1 RBF神经网络网络的特点  45-46
    5.3.2 RBF神经网络的注意事项  46
  5.4 直接考虑影响因子的仿真分析  46-47
  5.5 考虑差值影响因子修正的仿真分析  47-49
  5.6 RBF神经网络与BP神经网络的比较  49-50
  5.7 本章小结  50-51
结论与展望  51-53
参考文献  53-56
致谢  56-57
附录A (攻读学位期间所发表的论文和科研情况说明)  57-58
附录B (4月1日至12日样本点电力负荷数据表)  58-59
附录C (4月3日至12日与2日的负荷数据差值表)  59

基于神经网络的电力负荷预测

内容摘要

全文目录

相似论文