基于改进BP神经网络的短期负荷预测研究

论文题目: 基于改进BP神经网络的短期负荷预测研究

论文类型: 硕士论文

论文专业: 电力系统及其自动化

作者: 刘凯

导师: 卫志农

关键词: 负荷,负荷预测,人工神经网络,算法

文献来源: 河海大学

发表年度: 2005

论文摘要: 本论文首先对负荷预测的意义和研究现状进行了概述，再从电力负荷与负荷预测特性研究入手，充分分析了负荷组成与分类以及负荷的周期性变化规律，讨论了影响负荷的各种因素。通过对徐州市历史负荷数据的分析，有针对性地从预测的精度入手，应用改进的BP神经网络，建立了充分考虑各种因素的短期负荷预测模型，在输入变量中考虑了临近日负荷特点、日类型，以及各种气象因素，对输入负荷值进行归一化处理，对温度、降雨和光照等因素提出了独特的量化处理。网络的训练应用Levenberg-Marquardt算法，很大程度上提高了神经网络的收敛速度和预测精度。在上面研究的基础上，应用MATLAB 6.5软件，利用其神经网络工具箱编程实现了短期负荷预测。最后通过实际预测验证，本论文所建立的神经网络预测模型充分考虑了各种负荷影响因素，预测精度良好，具有较好的非线性映射能力，有进一步开发应用于实际预测的良好前景。

论文目录:

第1章绪论

1．1 短期负荷预测的意义及任务

1．1．1 负荷预测的意义

1．1．2 短期负荷预测的任务

1．2 负荷预测研究现状

1．3 论文的主要内容与结构

1．3．1 研究课题的确定

1．3．2 论文的主要工作

1．3．3 论文的结构

第2章短期负荷预测概述

2．1 负荷预测组成及作用

2．1．1 电力负荷的分类

2．1．2 负荷预测的分类

2．1．3 负荷预测的特点和基本原理

2．1．4 负荷预测各部分的作用

2．2 短期负荷分析

2．2．1 短期负荷特性

2．2．2 典型负荷分量分析

2．2．3 天气敏感负荷分量分析

2．2．4 随机负荷分量分析

2．3 短期负荷预测的模型

2．3．1 短期负荷预测模型要求

2．3．2 短期负荷预测的基本模型

2．4 本章小结

第3章基于人工神经网络的短期负荷预测

3．1 BP人工神经网络

3．1．1 人工神经网络简述

3．1．2 BP人工神经网络与BP学习算法

3．2 人工神经网络在负荷预测中的应用

3．3 应用改进神经网络实现负荷预测

3．3．1 BP算法的改进

3．3．2 预测模型的输入量选择

3．3．3 对输入量的处理

3．3．4 学习样本的选取

3．3．5 改进 BP神经网络模型的建立

3．4 本章小结

第4章在 MATLAB环境下实现短期负荷预测

4．1 MATLAB语言及其神经网络工具箱

4．1．1 MATLAB简介

4．1．2 人工神经网络工具函数

4．2 MATLAB语言环境下的程序设计

4．2．1 开发环境

4．2．2 数据处理

4．2．3 建立输入、输出矩阵

4．2．4 程序实现

4．3 算例分析

4．3．1 基于基本反向传播算法(SDBP)短期负荷预测

4．3．2 基于改进反向传播算法(Levenberg-Marquardt)短期负荷预测

4．4 本章小结

第5章结论

参考文献

致谢

发布时间: 2005-04-25

参考文献

[1].一种配电网超短期负荷预测的神经网络方法[D]. 苏庆新.曲阜师范大学2002
[2].基于神经网络的短期负荷预测的研究与实现[D]. 杨龙.中南大学2009
[3].基于大数据分析的电力短期负荷预测研究与开发[D]. 邵冬冬.华北电力大学(北京)2016
[4].基于时间序列法超短期负荷预测改进方法的研究[D]. 张超.辽宁工业大学2015
[5].基于小波包分析的短期负荷预测研究[D]. 王浩.南京理工大学2013
[6].基于BP神经网络的短期负荷预测[D]. 吕婵.华中科技大学2007
[7].基于超短期负荷预测的补偿电容器优化投切[D]. 姚晓林.山东大学2006
[8].基于神经网络的短期负荷预测[D]. 张国华.华北电力大学2001
[9].基于数据挖掘的短期负荷预测[D]. 王华.南昌大学2014
[10].电力负荷特性分析与误差分析的短期负荷预测[D]. 康宁宁.昆明理工大学2018

基于改进BP神经网络的短期负荷预测研究

猜你喜欢