基于RBF神经网络与模糊控制的电力系统短期负荷预测

论文摘要

短期负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著影响。目前,智能电网技术成为国家电网发展的一个新方向,这对负荷预测的要求越来越高,因此,应用智能算法进行电力系统的短期负荷预测,提高负荷预测的精度和稳定性,具有十分重要的意义。根据电力负荷特性的变化规律,考虑了日期类型、温度、天气情况等影响负荷预测的因素,本文提出了一种将径向基函数(Radial Basis Function,RBF)神经网络与模糊理论相结合的短期负荷预测的方法。首先,本文采用数据横向和纵向平滑处理法对负荷异点进行了处理,用相似日选取方法对缺失的数据来进行补遗,避免了因错误数据或者缺失数据对负荷预测精度造成的影响。其次,通过对实际地区电力负荷的特性分析,确定短期负荷曲线变化的主要影响因素,找出负荷变化的规律性,根据分析结果,选择对短期负荷预测影响最大的因素作为输入样本的特性指标,本文选取的是日期类型、最高温度、最低温度和天气情况。最后,将模糊控制理论引入到RBF神经网络,在RBF神经网络预测模型的基础上,将预测点的相对误差和相对误差率作为模糊控制器的输入,负荷的修正因子作为输出,然后将RBF网络的预测值与模糊调整量的代数和作为最终的预测值,并根据实际地区的历史负荷数据进行了验证分析,将RBF神经网络与模糊控制相结合的方法与RBF神经网络方法进行了比较。实际算例表明,RBF神经网络与模糊控制理论相结合的预测方法加快了网络学习速度,提高了负荷预测精度,具有较好的应用前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的意义和目的
• 1.2 国内外研究现状
• 1.2.1 负荷预测的国外研究现状
• 1.2.2 负荷预测的国内研究现状
• 1.2.3 负荷预测常见方法分析
• 1.3 本文的主要研究工作
• 第二章 电力负荷预测研究
• 2.1 电力负荷预测概念
• 2.2 电力负荷预测的特点和原理
• 2.2.1 电力负荷预测的特点
• 2.2.2 电力负荷预测的原理
• 2.3 电力负荷预测的分类
• 2.4 电力负荷预测的特性分析
• 2.5 电力负荷预测的影响因素及误差分析
• 2.5.1 电力负荷预测的影响因素
• 2.5.2 电力负荷预测的误差分析
• 2.6 本章小结
• 第三章 RBF神经网络
• 3.1 人工神经网络简介
• 3.2 RBF神经网络结构分析
• 3.2.1 RBF神经网络的结构与模型
• 3.2.2 RBF神经网络的准则与学习算法
• 3.3 RBF神经网络的优势
• 3.4 本章小结
• 第四章 模糊控制原理与模糊控制器的设计
• 4.1 模糊控制的基本思想
• 4.2 模糊控制器的设计
• 4.2.1 模糊控制器输入变量和输出变量的确定
• 4.2.2 模糊控制器的设计原则
• 4.2.3 模糊逻辑控制的知识库
• 4.2.4 模糊推理与模糊判决
• 4.3 本章小结
• 第五章 基于RBF神经网络和模糊控制的电力系统短期负荷预测
• 5.1 典型负荷分量分析
• 5.2 RBF神经网络的建立
• 5.3 RBF神经网络训练
• 5.3.1 负荷数据预处理
• 5.3.2 神经网络输入数据的归一化处理
• 5.4 模糊控制在电力负荷预测上的应用
• 5.4.1 语言变量及其论域和隶属函数的确定
• 5.4.2 模糊控制规则的确定
• 5.4.3 模糊规则查询表的建立
• 5.5 RBF神经网络与模糊理论的结合
• 5.6 预测结果与分析
• 5.7 本章小结
• 第六章 结论与展望
• 6.1 本文工作总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间发表的论文