学位论文 > 优秀研究生学位论文题录展示

基于模糊神经网络的电力系统短期负荷预测

作　者: 韩锋
导　师: 张青
学　校: 河北农业大学
专　业: 农业电气化与自动化
关键词: 短期负荷预测人工神经网络模糊理论模糊神经网络
分类号: TM715
类　型: 硕士论文
年　份: 2011年
下　载: 116次
引　用: 1次
阅　读: 论文下载

内容摘要

近年来,随着电力系统的市场化改革不断深化,负荷预测工作越来越重要。电力系统短期负荷预测作为电力系统运行调度中一项非常重要内容,它是实现电力系统安全、经济运行的基础;它对合理安排机组的启停、确定燃料供应计划、进行电力交易等都具有重要的意义。本文对电力系统短期负荷预测的传统预测方法和智能预测技术的优缺点进行了介绍,通过分析比较,本文将模糊神经网络算法应用到短期电力负荷预测中。模糊神经网络算法利用模糊逻辑理论善于模拟人的经验处理一些不确定信息以及神经网络则有较强的学习能力,可以利用联想记忆降低模糊性的优点,将影响负荷的因素信息进行模糊化处理,模糊化处理后的温度、天气状况信息作为网络输入来建立负荷预测模型,使网络更容易捕捉输入输出量之间的非线性关系。本文根据电力系统短期负荷预测的特点,在对待预测地区的负荷特性进行分析的基础上,首先对电力系统中历史负荷样本数据采用负荷数据变化率效验的方法,将在变化率之外的伪数据剔除,用平均变化率进行补偿,采用常规的数据缺损处理公式对缺损数据进行修补;其次,利用模糊逻辑理论将温度、天气状况因素信息模糊化,使网络结构输入简单,网络更容易捕捉输入输出量之间的非线性关系;然后,针对神经网络模型参数的选取及初始值的设置进行了深入地研究,并在大量的训练仿真的基础上,总结出隐层数、隐层节点数、初始权值与网络学习参数的设计原则,合理地确定了网络模型结构,建立了模糊神经网络负荷预测模型;最后采用SQL Server 2000数据库管理系统,以可视化高级编程语言C#2005开发了基于模糊神经网络的短期负荷预测软件包,该软件包界面友好、程序结构化程度高、移植性强。并采用保定某地区的历史负荷、气象数据验证了本软件包设计的合理性和有效性,取得了较为理想的预测结果。通过与传统BP算法比较分析,表明本文建立的基于模糊神经网络的短期负荷预测模型提高了负荷预测精度与稳定性,具有重要的实用价值。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-16
  1.1 短期负荷预测的目的和意义  9
  1.2 电力系统负荷预测的概念、特点和分类  9-11
    1.2.1 电力系统负荷预测的概念  9
    1.2.2 电力系统负荷预测的特点  9-10
    1.2.3 电力负荷预测的分类  10-11
  1.3 短期负荷预测在国内外的研究现状  11-15
    1.3.1 传统的短期负荷预测技术  11-12
    1.3.2 新型人工智能负荷预测技术  12-15
  1.4 本文的主要工作  15-16
2 电力负荷的特性分析  16-23
  2.1 我国电力负荷特性分析  16-18
    2.1.1 典型负荷分量  16-17
    2.1.2 天气敏感负荷分量  17-18
    2.1.3 异常或特殊事件负荷分量  18
    2.1.4 随机负荷分量  18
  2.2 保定某地区电力负荷特性分析  18-23
    2.2.1 保定某地区负荷的年周期特性分析  18-19
    2.2.2 保定某地区负荷的周周期特性分析  19-20
    2.2.3 保定某地区负荷的日周期特性分析  20-21
    2.2.4 保定某地区天气敏感负荷分量特性分析  21-22
    2.2.5 保定某地区随机负荷分量的特性分析  22-23
3 模糊逻辑与人工神经网络的基本理论  23-35
  3.1 模糊逻辑理论概述  23-24
    3.1.1 模糊集合的定义  23-24
    3.1.2 模糊隶属函数  24
  3.2 人工神经网络的概述  24-27
    3.2.1 人工神经网络的基本概念  25
    3.2.2 人工神经网络的结构与功能特点  25
    3.2.3 人工神经网络的工作方式  25-27
  3.3 人工神经网络在国内外的研究现状  27-29
    3.3.1 人工神经网络在国外的研究现状  27-28
    3.3.2 人工神经网络在国内的研究现状  28-29
  3.4 反向传播的人工神经网络算法  29-33
    3.4.1 BP（Back propagation）神经网络算法的基本原理  29
    3.4.2 BP（Back propagation）神经网络的模型及学习方法  29-33
  3.5 人工神经网络在电力系统短期负荷预测中的应用  33-35
4 模糊神经网络短期负荷预测模型的建立  35-44
  4.1 模糊神经网络  35-36
  4.2 输入变量的负荷数据预处理  36-40
    4.2.1 历史负荷数据的收集与处理  36-37
    4.2.2 历史负荷数据归一化处理  37-38
    4.2.3 温度的模糊化处理  38-39
    4.2.4 天气状况的模糊化处理  39-40
  4.3 模糊神经网络模型的设计  40-44
    4.3.1 隐层数的设计  40
    4.3.2 隐层节点数的设计  40-41
    4.3.3 初始权值的设计  41
    4.3.4 网络学习参数的设计  41-42
    4.3.5 建立模型  42-44
5 基于模糊神经网络的短期负荷预测软件包的编制及算例分析  44-58
  5.1 开发工具的选择  44
  5.2 负荷预测软件包的功能及特点  44-45
    5.2.1 负荷预测软件包的功能  44
    5.2.2 负荷预测软件包的特点  44-45
  5.3 负荷预测软件包的总体结构设计  45-47
  5.4 负荷预测软件包的主要用户界面图及使用方法  47-51
  5.5 负荷预测影响因素与误差分析  51-53
    5.5.1 电力系统负荷预测的影响因素  51
    5.5.2 电力系统负荷预测的误差分析指标  51-53
  5.6 模糊神经网络预测结果与分析  53-58
6 结论与展望  58-60
参考文献  60-62
在读期间发表的学术论文  62-63
作者简历  63-64
致谢  64-65

基于模糊神经网络的电力系统短期负荷预测

内容摘要

全文目录

相似论文