基于软计算方法的电力系统短期负荷预测研究

论文摘要

电力系统短期负荷预测不仅是电网调度部门和规划设计部门所必须掌握的基本信息之一,也是电网的调度、运行及发展的重要依据。而且随着电力市场制度的完善,电网负荷的需求统计数据和预测数据将作为一项基本信息向全社会公布,它将成为电力市场实时交易中必不可少的重要组成部分。 电力系统短期负荷预测使用的方法有传统建模方法,诸如时间序列、回归分析等方法。由于负荷及影响负荷的因素间存在大量的非线性因素,上世纪90年代提出了用具有逼近任意非线性函数能力的神经网络进行短期负荷预测的方法。同期,其它的智能计算技术也在飞速发展,其中代表性的有遗传算法、模糊计算等。本文采用神经网络及神经网络与遗传算法相结合的方法进行短期负荷预测。 在进行短期负荷预测前,采用数学统计理论消除历史负荷数据中的不良数据,对历史负荷数据进行纵向、横向处理,剔除异点数据和平滑负荷曲线。鉴于城市居民生活负荷及商业负荷在太原市负荷中占有相当大的比例,它们对气象因素的变化非常敏感,因此在分别使用三层和四层神经网络进行负荷预测时,将其按照考虑气象因素与否分成了两种情况。因为神经网络收敛速度慢,容易陷入局部

论文目录

• 第一章 绪论
• 1.1 本课题研究的目的和意义
• 1.2 短期负荷预测的国内外研究现状
• 1.3 本论文的主要研究内容
• 第二章 电力负荷及预测方法
• 2.1 电力负荷
• 2.1.1 电力负荷的分类和特性
• 2.1.2 影响负荷特性的主要因素及影响程度
• 2.1.3 太原地区电力负荷的特点
• 2.2 电力负荷预测方法
• 2.2.1 电力负荷预测传统方法的回顾
• 2.2.2 软计算方法
• 第三章 神经网络
• 3.1 神经网络概述
• 3.1.1 人工神经元模型
• 3.1.2 网络结构及工作方式
• 3.1.3 NN的学习
• 3.2 前馈网络
• 3.2.1 多层前馈网络的函数逼近能力
• 3.2.2 三层与四层神经网络的性能比较
• 3.2.3 反向传播学习算法
• 3.2.4 Levenberg-Marquardt改进算法
• 3.3 BP算法流程框图
• 3.4 其它类型神经网络
• 3.4.1 Hopfield网络
• 3.4.2 随机型神经网络
• 3.4.3 自组织神经网络
• 第四章 遗传算法
• 4.1 编码方法
• 4.2 适应度函数
• 4.3 遗传算子
• 4.4 收敛性分析
• 4.5 举例说明采用遗传算法确定神经网络权值
• 4.6 采用神经网络结合遗传算法进行短期负荷预测的步骤和框图
• 第五章 采用软计算方法进行短期负荷预测
• 5.1 历史数据处理及输入样本的选择
• 5.1.1 剔除不良数据
• 5.1.2 基于相似性原理选择样本点
• 5.2 气象因素对负荷的影响
• 5.3 前馈神经网络设计
• 5.4 结合 GA的四层神经网络
• 5.5 预测误差指标
• 第六章 太原电网短期负荷预测结果及分析
• 6.1 预测结果及分析
• 6.2 结论
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文目录