基于BP人工神经网络的电力短期负荷预测

论文摘要

电力系统短期负荷预测是电力系统运行调度中的一项重要工作,它与电力系统安全经济运行和电网科学管理及调度息息相关。随着电力市场的发展,短期负荷预测的重要性日益显现,并且对负荷预测精度的要求越来越高。短期电力负荷具有周期性变化的规律,负荷曲线具有相似性;同时受特殊情况的影响,呈现强烈的非线性特性。而神经网络具有较强的非线性映射特性,本文用改进B P神经网络对电力负荷进行预测,并用Matlab进行仿真。本文首先简要的介绍国内外负荷预测的基本现状和人工神经网络的基本理论,对BP人工神经网络进行了分析,包括其基本算法、优缺点及改进方法等;然后在深入研究人工神经网络模型建立和分析BP网络缺陷的基础上,对BP网络模型建立中的输入数据处理、隐含层数确定、隐含层节点数确定、初始权值和学习参数等的选取做了探讨,并对双隐层神经网络的BP算法进行了推导;最后应用改进的BP网络算法,建立了一个具有双隐层结构的BP人工神经网络对电力系统进负荷预测,经过对实际数据的仿真和对比实验,并对预测结果进行算例分析,证明了采用改进的人工神经网络负荷预测模型对电力系统短期负荷预测是有效的,达到了短期负荷预测的精度要求,预测曲线具有很好的拟合度,因此验证了该模型的可行性和准确性。

论文目录

• 摘要
• ABSTRACT
• 前言
• 第一章 短期负荷预测概论
• 1.1 负荷预测的概念和原理
• 1.1.1 负荷预测的概念
• 1.1.2 负荷预测的原理
• 1.2 电力系统负荷的分类及其特点
• 1.3 电力系统负荷的影响因素及其特点
• 1.3.1 电力系统负荷的影响因素
• 1.3.2 各种负荷分量的特性
• 1.4 电力系统负荷预测
• 1.4.1 负荷预测的基本步骤
• 1.4.2 负荷预测的误差分析
• 1.5 本章小结
• 第二章 人工神经网络基本理论
• 2.1 人工神经网络的概述
• 2.1.1 人工神经网络的简介
• 2.1.2 人工神经网络的基本特征
• 2.1.3 人工神经网络的基本原理
• 2.1.4 人工神经网络的模型分类
• 2.2 BP 神经网络
• 2.2.1 神经网络的BP 模型
• 2.2.2 BP 网络学习算法
• 2.2.3 BP 网络学习具体步骤
• 2.3 BP 网络的缺陷与改进
• 2.3.1 BP 网络的优点
• 2.3.2 BP 网络的缺陷
• 2.3.3 BP 算法的改进
• 2.4 本章小结
• 第三章 基于 BP 网络的负荷预测
• 3.1 历史数据的选取
• 3.2 输入数据的预处理
• 3.2.1 负荷数据的预处理
• 3.2.2 负荷数据的归一化
• 3.2.3 对影响因素的量化处理
• 3.3 网络的拓扑结构
• 3.3.1 输出层节点的选择
• 3.3.2 隐含层数的确定
• 3.3.3 隐含层节点数的确定
• 3.3.4 初始权值的选取
• 3.3.5 学习参数选取
• 3.4 双隐层神经网络BP 算法推导及其改进
• 3.4.1 双隐层神经网络BP 算法的推导
• 3.4.2 双隐层神经网络BP 算法的改进
• 3.5 本章小结
• 第四章 负荷预测与算例分析
• 4.1 负荷预测的网络模型构建
• 4.1.1 神经网络结构的确定
• 4.1.2 训练样本
• 4.1.3 参数的确定
• 4.1.4 误差评定指标
• 4.2 算例分析
• 4.3 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要