学位论文 > 优秀研究生学位论文题录展示

基于神经网络的供热系统负荷预测

作　者: 刘严崴
导　师: 张炳达；李永君
学　校: 天津大学
专　业: 电气工程
关键词: 热负荷预测神经网络遗传算法 BP算法
分类号: TM715
类　型: 硕士论文
年　份: 2009年
下　载: 67次
引　用: 3次
阅　读: 论文下载

内容摘要

集中供热对国民经济发展起着全局性的影响,它与人们日常的生产生活息息相关,而供热负荷预测是对集中供热系统进行最优控制调节的一个重要先决条件。因此,集中供热系统热负荷的精确预测,对于集中供热系统的运行管理水平、提高供热质量、保护环境、节约能源等都具有十分重要的现实意义。本文总结了集中供热负荷预测的特点和现状,采用人工神经网络进行热负荷的预测。为解决BP算法因网络初始值选取不当而陷入局部极小点的问题,采用了将BP算法和遗传算法相结合的混合算法对神经网络的权值进行学习训练。利用遗传算法大体上确定BP神经网络权值和阈值,利用BP算法对神经网络权值和阈值进行训练。本文在深刻分析大庆宏伟热电厂集中供热系统热负荷特点的基础上,提出了以工作日,室外温度,大气压力,日照时间以及前三天的负荷温度为输入变量,负荷温度为输出变量的BP网络预测模型。对历史热负荷数据进行了预处理,用混合算法进行了热负荷预测模型的训练,并用测试集进行了测试。结果表明,混合算法比单纯遗传算法和BP算法具有更好的预测精度,泛化能力强。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-15
  1.1 集中供热系统的现状  7-8
  1.2 热负荷预测的意义  8-9
  1.3 供热负荷预测的研究现状  9-14
  1.4 本文主要研究内容  14-15
第二章神经网络概述  15-22
  2.1 生物神经网络  15-16
  2.2 人工神经网络  16-20
    2.2.1 人工神经元模型  17-18
    2.2.2 人工神经网络模型的分类  18-20
  2.3 人工神经网络的学习规则  20-22
第三章基于GA-BP算法的神经网络混合训练  22-39
  3.1 BP学习算法  22-27
    3.1.1 BP神经网络模型  22-25
    3.1.2 BP学习算法流程  25-27
  3.2 遗传算法  27-33
    3.2.1 遗传算法的特点  28-29
    3.2.2 遗传算法的要素和控制参数的设计  29-32
    3.2.3 遗传算法的流程  32-33
  3.3 遗传算法与BP算法网络混合训练  33-39
第四章热负荷预测模型及实例分析  39-49
  4.1 预测模型的确定  39-40
    4.1.1 输入变量的选取  39
    4.1.2 输出变量的选取  39-40
  4.2 样本的预处理  40-42
    4.2.1 历史负荷数据的预处理  40
    4.2.2 输入、输出参数的预处理  40-42
  4.3 算例分析  42-45
    4.3.1 历史负荷数据及影响因素的预处理  42-43
    4.3.2 基于BP算法的学习和预测  43-45
  4.4 基于遗传算法和BP算法学习和预测  45-48
  4.5 算法比较分析  48-49
第五章结论与展望  49-50
参考文献  50-53
致谢  53

基于神经网络的供热系统负荷预测

内容摘要

全文目录

相似论文