毕业设计(论文)-基于BP神经网络的短期负荷预测研究.doc
《毕业设计(论文)-基于BP神经网络的短期负荷预测研究.doc》由会员分享,可在线阅读,更多相关《毕业设计(论文)-基于BP神经网络的短期负荷预测研究.doc(24页珍藏版)》请在咨信网上搜索。
1、学 号1109121100 毕 业 论文 课 题 基于BP神经网络的短期负荷预测研究 学生姓名 院 部 电气工程学院 专业班级 电子信息工程(2)班 指导教师 二 0 一 五 年 五 月 页码不对!目 录摘 要 IAbstract II第一章 绪论 21.1 课题研究背景21.2 课题研究的现状21.3 本课题研究的主要内容3第二章 传统短期负荷预测的方法52.1 回归分析法52.2 指数平滑法52.3 专家系统方法5第三章 神经网络73.1 神经网络简介73.2 神经网络模型及其特征7 3.2.1 人工神经元模型7 3.2.2 神经网络的分类9 3.2.3 神经网络的特征及要素93.3 神经
2、网络及其结构分析93.3.1 BP神经网络的原理93.3.2 BP神经网络的算法设计10第四章 负荷预测的实例分析124.1 回归分析法124.2 BP神经网络的软测量模型的建立134.3 小结19 总结20 致 谢22附录:参考程序231 页码不对!1 页码不对!摘 要随着我国电网和电力系统的发展与进步,短期电力负荷预测是电力系统运行调度和用电服务部门的重要日常工作之一,它直接影响电力系统的安全经济稳定运行和电网科学管理及调度的实现,负荷预测精度的高低对电力系统运行的安全性、稳定性和经济性具有重要意义。由于短期负荷预测在日趋发展的电力市场中起着重要作用,所以需要继续研究,促使短期负荷预测具有
3、更高的精度。由于电力负荷受诸多因素影响,如当前负荷状况、天气状况等,为提高短期电力负荷预测的精度,本文介绍了多种传统方法以及BP神经网络法,并分别介绍和总结了传统方法和BP神经网络的优缺点。本文采用了回归分析和BP神经网络的预测方法,以影响电力负荷的主要因素气象参数,建立了短期负荷预测的模型,并分析了样本数据处理中遇到的几个具体问题。最后,对未来的短期负荷预测技术方面的发展做了一些设想。关键词:电力系统;短期负荷预测;回归分析法;BP神经网络 页码不对!Research of forecasting Short-term load base on BP neural networkAbstra
4、ctWith the development and progress of our countrys power grid and power system, The short-term load forecasting (STLF) of electric system is one of the important routines for power dispatch and utility departments. It is a very important aspect of power system to ensure operating safely economicall
5、y steadily and achieve scientific management in the power system, and accurate load forecasting is helpful to the security and stability of power system as well as saving its generation costs.With the establishment and development of the power market, Due to short-term load forecasting plays an impo
6、rtant role in the developing power market, so you need to continue to study, to promote a higher accuracy of short-term load forecasting.Electric power is affected by many factors, such as current load status, weather status, and etc, For improving the accuracy of short-term load forecasting, This p
7、aper introduces a variety of traditional method and BP neural network ,This paper adopted the Regression Analysis and BP neural network method, with the main factors influencing the power load of meteorological parameters, short-term load forecasting model is established ,And analyzed samples of sev
8、eral specific problems in the data processing. In the end the paper give some prospects and hypothesis on the Short-Term Load forecasting.Keywords: Electric system , Short-Term Load forecasting , Regression Analysis, BP neural network 页码不对!第一章 绪论电力系统的主要任务是给广大人民用户提供高质量的稳定的电能,满足各类负荷的需求。但是,就当下中国的电力系统状况
9、而言,因为系统本身对电能的储存量有限,所有在实际的系统中要求所发电能与负荷的实时变化保持着一定的动态平衡平衡,否则,将会对居民、商业、工等用电的质量和负荷需求以及电力系统的实际运行造成影响。因此,研究出精确度高的负荷预测方法对未来电力事业发展具有非常重要的应用价值。电力系统的负荷预测是受当前负荷状况、节假日、天气状况等因素影响的,所以需要调查研究大量地区的历史数据并对数据进行研究分析,发现并研究负荷与影响其变化的因素之间的内在联系与规律。负荷预测的最终目的是使系统能够更加经济、安全、稳定可靠的运行,通过得到合理的预测来达到提升电力系统的目的,核心是根据历史记录的真实负荷数据以及相对应的各类影响
10、因素,通过建立数学模型来研究和探索两者之间的关系并能够显示负荷与各影响因素之间的发展变化规律。1.1 课题研究背景电力负荷预测的分类有很多种,按预测周期的长度大致上可以分为四种,分别为长期负荷预测(10年以上)、中期负荷预测(5-6年)、短期负荷预测(几个月、几周、几天,一天内各小时)和超短期负荷预测(未来1h、未来0.5h甚至未来l0min)。目前学者们都在研究高精度的短期负荷预测方法,因为其在电网运行中应用的范围最广、意义重大。本文着重研究短期负荷预测,它的意义在于可以使电力系统更加经济、安全和稳定可靠地运行;也可以提高整个国家全方面的用电质量。在电力系统中,负荷对系统运行具有重要意义,同
11、时负荷对电价的敏感性会随着市场的完善而逐渐增强,经济性成为整个电网运行的重要指标,使其对负荷预测的要求更加严格准确,电力市场条件下的短期负荷预测不仅仅是一个技术问题而且还是一个经济性问题,因此短期负荷预测将变为社会重要的研究课题,影响深远。1.2 课题研究的现状短期负荷预测现己经成为EMS(能量管理系统Energy Mastering System)不可缺少的一部分以及保证整个国家电网安全经济稳定运行所必需的手段之一,并在EMS的逐步发展中渐渐发展起来。由于负荷预测在电力系统中重要的应用价值,从二十世纪开始,电力系统研究者对短期负荷预测的系统模型和技术方法展开了大量的研究,提出了不同种类的预测
12、方法并进行实际应用。第一阶段(二十世纪六十年代到八十年代末)是使用比较传统的原始技术对数据处理和预测,传统预测方法大多是基于某些特性参量为固定值的基础上,建立相应的数学模型,它的原理较简单,理论相对成熟,但是它简化或忽略了系统中的一些非线性特征参变量,如天气因素,不能真实反映电力系统的多元非线性特性,采用的主要方法有专家系统法和回归线法;第二阶段(二十世纪九十年代到现在)是采用人工神经网络技术,人工神经网络主要对非线性问题和不确定性问题进行研究,由于它在预测过程中考虑了天气因素、节假日因素等,在实际的短期负荷预测过程中就提高了预测精度,这就是负荷预测发展的大致的两个阶段。随着中国电力事业的发展
13、和体质改革,居民的用电质量和电力系统经济、安全和稳定的运行越来越重要,所以负荷预测这类课题研究一直比较活跃,并取得了一定成就。为了使我国的负荷发展不断趋于稳定,我国不仅注重对中长期的预测,也很注重短期负荷的预测,但是国外一些先进国家只偏重于中长期的预测。1.3 本课题研究的主要内容本论文主要研究的内容是根据电网历史记录的负荷数据以及影响负荷变化对应的影响因素,分析巢湖地区电力负荷数据的特性,然后据此建立神经网络的数学预测模型,并用一组历史记录负荷和因素数据对BP神经网络进行训练,编制出相应的基于BP神经网络的短期负荷预测程序。并采传统方法之一的回归分析法,建立模型和对负荷进行预测,比较两种方法
14、的不同,突出BP神经网络的优缺点以及需要改进的地方。具体工作有以下几点:(1)了解和学习短期负荷预测的多种传统方法,掌握其中一些方法的特点、优缺点以及适用范围。(2)了解人工神经网络的结构,着重掌握BP神经网络的理论知识和算法。(4)根据巢湖地区电网系统中所记录的历史负荷数据和对应的地区天气资料,主要研究温度和风速两个天气因素与负荷之间的变化规律,并采用回归分析法进行预测,做出预测图。(5)重点学习和研究BP神经网络的预测方法,采用与回归分析法一样的数据对BP神经网络进行训练和预测,做出拟合图和预测图。(6)运用Matlab软件,编写运用回归分析法的预测图和运用BP神经网络的拟合图和预测图的相
15、应程序。(7)比较两种方法的预测结果并分析原因,解释两者的优缺点,突出BP神经的优点。(8)应用巢湖地区电网的负荷数据验证了BP神经网络对于短期负荷预测的可行性、正确性以及需要改进的地方。1 第二章 传统短期负荷预测的方法2.1 回归分析法回归分析法是一种常用的短期负荷预测方法,根据影响主导变量的辅助变量的多少,回归分析被划分为单元回归分析和多元回归分析。对历史随机性的负荷数据进行拟合,运行相应的程序得到一条曲线,然后获得一个非线性的关系式,即可进行下一步的预测。该方法简单、预测速度快、外推性好,但它对历史数据要求过高,如果在历史数据存在较大误差时,预测效果将不理想;回归分析法不是理想的预测方
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业设计 论文 基于 BP 神经网络 短期 负荷 预测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【胜****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【胜****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。