学位论文 > 优秀研究生学位论文题录展示

混沌理论与神经网络在电力系统短期负荷预测中的应用

作　者: 刘敏安
导　师: 彭辉
学　校: 中南大学
专　业: 电力系统及其自动化
关键词: 电力系统短期负荷预测混沌理论神经网络 RBF-AR模型
分类号: TM715
类　型: 硕士论文
年　份: 2009年
下　载: 284次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电力市场的快速发展,电力系统负荷预测越来越受到电力相关部门的重视。准确及时的电力负荷预测,可以经济合理地安排电网内部发电机组的启停,保持电网运行的安全稳定性,减少不必要的旋转储备容量,合理安排机组检修计划,保证社会的正常生产和生活,有效地降低发电成本,提高经济效益和社会效益。本论文具体包括以下几个方面的内容:第一章从电力系统实际情况出发,总结了电力系统负荷的特点、电力系统负荷预测的特点和电力系统负荷预测的类型。接着第二章讨论了经典的和现代的电力负荷预测的主要方法,并研究分析了这些方法存在的优点和不足,部分方法被应用于电力负荷预测实例。第三章提出了一种改进的混沌理论预测方法。混沌理论预测方法是电力系统负荷预测应用得最广泛的方法之一。用它进行电力负荷预测有如下几步:首先对电力负荷历史数据进行相空间重构,然后采用线性方法逼近混沌系统函数,最后用最小二乘法估计目标函数参数。因为与基向量相似程度不同的向量对目标函数的影响不同,所以要根据与基向量的相似程度对目标函数加权。当前人们普遍采用关联度来衡量相空间向量相似性。为了降低计算时间和计算复杂度,本文提出了用向量1-范数来衡量相空间向量相似性的办法,并将该方法用于电力系统日负荷预测。根据预测结果显示,该方法在保持预测精度的情况下,减少了计算量,缩短了计算时间。第四章将RBF-AR神经网络预测方法应用于电力负荷预测。它是一种用RBF神经网络来逼近AR函数系数的非线性预测方法。本文采用SNPOM方法来辨识与优化参数。该方法将参数分为非线性参数和线性参数,用类似于LMM方法来优化中心,用LSM方法优化线性权重,并在搜索过程中分解参数空间结构,效果相当于压缩了参数空间。这种算法使收敛性得到了极大的提高并得到了更高的精度。本文将RBF-AR模型被应用于电力系统负荷预测,并将得到的RBF-AR模型预测结果与前面方法的预测结果作了比较。第五章将两种方法进行最优组合,优化了预测结果,并对多种预测方法的结果进行比较。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-17
  1.1 电力系统负荷的特点  9-13
  1.2 电力系统负荷预测的特点  13-15
  1.3 电力系统负荷预测的类型  15
  1.4 本文研究的主要内容及章节安排  15-17
第二章电力系统负荷预测的主要方法  17-31
  2.1 经典预测方法  17-22
    2.1.1 单耗法  17
    2.1.2 弹性系数法  17-18
    2.1.3 水平趋势预测法  18
    2.1.4 线性趋势预测法  18-19
    2.1.5 多项式趋势预测法  19-20
    2.1.6 季节型趋势预测法  20-21
    2.1.7 回归预测法  21-22
  2.2 现代预测方法  22-30
    2.2.1 灰色预测法  22-24
    2.2.2 专家系统法  24-26
    2.2.3 小波分析法  26-27
    2.2.4 空间负荷预测法  27-28
    2.2.5 神经网络  28-29
    2.2.6 混沌序列方法  29-30
  2.3 小结  30-31
第三章基于向量1-范数的混沌系统电力预测模型  31-48
  3.1 若干基本概念  31-38
    3.1.1 离散时间系统的混沌性定义  32-33
    3.1.2 离散时间系统Lvapunov指数  33-34
    3.1.3 离散系统混沌吸引子  34-35
    3.1.4 连续系统的混沌性定义  35-36
    3.1.5 连续时间系统的Lyapunov指数  36-37
    3.1.6 关联度与向量1-范数的计算复杂度比较  37-38
  3.2 建立混沌系统电力预测模型  38-43
    3.2.1 混沌系统相空间重构  38-39
    3.2.2 混沌系统电力预测建模  39
    3.2.3 最佳嵌入维数  39-42
    3.2.4 选择相空间的时间窗口  42-43
  3.3 基于向量1-范数的混沌理论电力系统预测模型实例分析  43-46
    3.3.1 基于向量1-范数的混沌理论电力系统预测模型  43-45
    3.3.2 实例分析  45-46
  3.4 小结  46-48
第四章 RBF-AR模型在电力系统负荷预测中的应用  48-64
  4.1 前向人工神经网络模型  48-50
    4.1.1 前向人工神经网络模型的定义  48-49
    4.1.2 前向神经网络结构的设计  49-50
  4.2 BP神经网络  50-55
  4.3 建立RBF神经网络  55-61
    4.3.1 RBF网络构造  55-56
    4.3.2 RBF中心位置确定  56-58
    4.3.3 RBF-AR模型结构  58-59
    4.3.4 RBF-AR模型的参数辨识及优化原理  59-61
  4.4 基于RBF-AR模型的电力负荷预测实例研究  61-63
  4.5 小结  63-64
第五章基于向量1-范数的混沌理论模型与RBF-AR模型的组合预测方法  64-68
  5.1 优选组合预测法  64-65
  5.2 基于向量1-范数的混沌理论与RBF-AR模型的组合预测方法  65
  5.3 多种预测方法的比较  65-66
  5.4 小结  66-68
第六章结论与展望  68-70
  6.1 研究成果  68
  6.2 进一步研究需要解决的问题  68-69
  6.3 展望  69-70
参考文献  70-74
致谢  74-75
攻读硕士期间主要的研究成果  75

混沌理论与神经网络在电力系统短期负荷预测中的应用

内容摘要

全文目录

相似论文