本文選題：電力系統(tǒng)　切入點：負荷預測　出處：《西安理工大學》2017年碩士論文

【摘要】：為了保證電力系統(tǒng)運行的安全性和可靠性,電力調(diào)度部門有必要對未來的電力負荷進行預測。人工神經(jīng)網(wǎng)絡(luò)具有自適應性、自學習性、容錯能力較強的優(yōu)點,因此被運用于電力負荷預測領(lǐng)域,其中Elman神經(jīng)網(wǎng)絡(luò)在電力負荷預測中的應用較為廣泛。首先,本文介紹了負荷預測的基本概念和研究意義,闡述了負荷預測以及Elman神經(jīng)網(wǎng)絡(luò)的國內(nèi)外研究現(xiàn)狀,并詳細分析了負荷預測的誤差指標以及產(chǎn)生誤差的原因,為后續(xù)的改進工作奠定了基礎(chǔ)。其次,對Elman神經(jīng)網(wǎng)絡(luò)的基本原理、網(wǎng)絡(luò)結(jié)構(gòu)、預測流程、學習過程和學習算法進行了重點研究。針對Elman神經(jīng)網(wǎng)絡(luò)動態(tài)信息處理能力不足、Sigmoid函數(shù)影響收斂速度、傳統(tǒng)算法在學習過程中會出現(xiàn)振蕩的問題,本文從Elman神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、激勵函數(shù)和學習算法三個方面進行改進。以安徽省某市電網(wǎng)的歷史負荷數(shù)據(jù)為例,運用MATLAB軟件進行仿真預測。結(jié)果表明,改進型Elman神經(jīng)網(wǎng)絡(luò)模型進行負荷預測取得了更好的效果,訓練速度有所提高,負荷的預測值和實際值更為接近,絕對誤差和相對誤差都有所降低。最后,為了進一步提高負荷預測的精度,本文將小波分解所具有的良好的時頻局部化特性與改進的Elman神經(jīng)網(wǎng)絡(luò)共同運用到短期負荷預測中,仍然以安徽省某市電網(wǎng)的歷史負荷數(shù)據(jù)為例,運用MATLAB軟件進行仿真觀測。結(jié)果發(fā)明,預測精度得到了進-步提高。
[Abstract]:In order to ensure the safety and reliability of power system operation, power dispatching departments need to forecast the power load in the future. Artificial neural network is adaptive, self-learning and fault-tolerant ability strong advantages, so it is used in power load forecasting, the Elman neural network has been widely used in power load forecasting. Firstly, this paper introduces the basic concept and research significance of load forecasting, discusses the current research situation of load forecasting and Elman neural network at home and abroad, and analyzes the causes of error index of load forecasting errors and, laid the foundation for the subsequent improvement work. Secondly, the basic principle of Elman neural network the structure, flow prediction, learning process and learning algorithm are studied. Based on Elman neural network dynamic information processing capability, Sigmoid function influence The convergence speed, the traditional algorithm will appear oscillation problems in the learning process, this article from the network structure of Elman neural network, improve the three aspects of incentive function and the learning algorithm. The historical load data of Anhui province power grid as an example, the simulation predicted by MATLAB software. The results show that the improved Elman neural network model load forecasting has achieved better effect, improve the training speed, load forecast value and the actual value is close to the absolute error and relative error are reduced. Finally, in order to further improve the accuracy of load forecasting, this paper uses Elman neural network wavelet decomposition has good time-frequency localization characteristics and improved common use to short-term load forecasting, is still in the historical load data of Anhui province power grid as an example, by using MATLAB software. The simulation observation invention, prediction accuracy Get the advance step.

【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM715

【參考文獻】

相關(guān)期刊論文 前10條

1 宿鵬;;基于MATLAB的短期電力實用負荷預測模型的研究[J];智能電網(wǎng);2016年12期

2 林順富;郝朝;湯曉棟;李東東;符楊;;基于數(shù)據(jù)挖掘的樓宇短期負荷預測方法研究[J];電力系統(tǒng)保護與控制;2016年07期

3 葉琳浩;李達凱;黃偉;張勇軍;;考慮行業(yè)用電特性的電量預測方法研究與應用[J];新技術(shù)新工藝;2015年06期

4 秦田田;王濤;郭小蕾;范秋楓;;基于混合模型的模糊時間序列預測的研究[J];遼寧工業(yè)大學學報(自然科學版);2015年03期

5 陳曉娟;李思洋;王圣達;;基于自適應粒子群優(yōu)化的ARIMA-SVM光功率趨勢預測[J];光通信技術(shù);2015年04期

6 張藝馨;;基于布谷鳥優(yōu)化算法的電力負荷預測優(yōu)化模型[J];經(jīng)營管理者;2015年03期

7 陳帥;王勇;呂豐;楊恒;;基于灰色理論和神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測[J];上海電力學院學報;2013年06期

8 程鎮(zhèn)寶;;電力負荷預測方法探究[J];中國高新技術(shù)企業(yè);2013年32期

9 劉顯德;楊婷婷;嚴胡勇;;基于Elman神經(jīng)網(wǎng)絡(luò)和遺傳算法的油田指標預測#[J];計算機與現(xiàn)代化;2013年02期

10 石黃霞;何穎;董曉紅;;基于Elman神經(jīng)網(wǎng)絡(luò)的電力負荷預測模型研究[J];工業(yè)儀表與自動化裝置;2013年01期

相關(guān)碩士學位論文 前10條

1 劉軻;電力系統(tǒng)短期負荷預測的研究[D];蘭州理工大學;2016年

2 于浩祺;電力負荷特性分析及短期負荷預測系統(tǒng)的研發(fā)[D];湖南大學;2016年

3 趙銘揚;基于神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測研究[D];寧夏大學;2016年

4 賈辛淼;基于小波分析的電力系統(tǒng)短期負荷預測的應用研究[D];沈陽工業(yè)大學;2016年

5 武巖巖;基于組合預測方法的電力負荷預測研究[D];沈陽工業(yè)大學;2016年

6 王正;基于云計算和灰色神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測[D];華北電力大學;2016年

7 周瑜菲;惠州市中長期電力負荷規(guī)劃研究[D];華南理工大學;2015年

8 郭姣姣;基于改進Elman神經(jīng)網(wǎng)絡(luò)的短期電力負荷預測[D];遼寧工業(yè)大學;2015年

9 郭杰昊;基于混沌時間序列的短期負荷預測研究[D];上海交通大學;2015年

10 蔡桂潮;潮州電網(wǎng)短期負荷預測研究[D];華北電力大學;2014年

，

本文編號：1713013