電力系統(tǒng)的安全穩(wěn)定運(yùn)行與國民經(jīng)濟(jì)的發(fā)展及社會(huì)人身財(cái)產(chǎn)安全息息相關(guān)。準(zhǔn)確的短期負(fù)荷預(yù)測結(jié)果是電網(wǎng)指導(dǎo)電力系統(tǒng)制定發(fā)電計(jì)劃、協(xié)調(diào)機(jī)組運(yùn)行、調(diào)度負(fù)荷分配及制定檢修計(jì)劃的重要依據(jù)。隨著智能電網(wǎng)的發(fā)展及越來越多的分布式電源的接入,影響短期負(fù)荷預(yù)測結(jié)果的因素更加復(fù)雜,使負(fù)荷呈現(xiàn)更強(qiáng)的非線性,這種嚴(yán)峻的環(huán)境也對(duì)短期負(fù)荷預(yù)測的準(zhǔn)確度和適應(yīng)性提出了更高的要求。電力系統(tǒng)的負(fù)荷由于數(shù)據(jù)量龐大、受眾多因素影響等使其具有隨機(jī)性、非線性、時(shí)序性等特點(diǎn)。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)能夠深入挖掘信息的多重特點(diǎn)并從中獲得有用的特征描述,是一種準(zhǔn)確高效的特征提取方法。本文結(jié)合負(fù)荷序列的特點(diǎn),使用CNN來對(duì)電力系統(tǒng)短期負(fù)荷進(jìn)行預(yù)測,具體如下:結(jié)合負(fù)荷預(yù)測的實(shí)際特點(diǎn),確定了適用于負(fù)荷序列數(shù)據(jù)預(yù)測領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)模型。針對(duì)傳統(tǒng)反向傳播算法容易帶來收斂緩慢甚至不收斂的問題,采用粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)來對(duì)卷積神經(jīng)網(wǎng)絡(luò)的連接參數(shù)進(jìn)行優(yōu)化,提高全局尋優(yōu)能力和收斂速度。仿真證明CNN能通過其卷積層及池化層有效提取樣本信息,經(jīng)...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1日負(fù)荷曲線

青島大學(xué)碩士學(xué)位論文10圖2-1日負(fù)荷曲線（2）周負(fù)荷特性電力系統(tǒng)的總負(fù)荷絕大部分由工業(yè)負(fù)荷和民用負(fù)荷組成，而其中工業(yè)負(fù)荷又占較大比重�；谖覈鐣�(huì)活動(dòng)習(xí)慣周一至周五為工作日，周六周日為休息日，因此一些工廠選擇在休息日停工，工業(yè)負(fù)荷在休息日貢獻(xiàn)的負(fù)荷量會(huì)低于工作日，整體的負(fù)荷曲線....

圖2-2周負(fù)荷曲線

青島大學(xué)碩士學(xué)位論文10圖2-1日負(fù)荷曲線（2）周負(fù)荷特性電力系統(tǒng)的總負(fù)荷絕大部分由工業(yè)負(fù)荷和民用負(fù)荷組成，而其中工業(yè)負(fù)荷又占較大比重�；谖覈鐣�(huì)活動(dòng)習(xí)慣周一至周五為工作日，周六周日為休息日，因此一些工廠選擇在休息日停工，工業(yè)負(fù)荷在休息日貢獻(xiàn)的負(fù)荷量會(huì)低于工作日，整體的負(fù)荷曲線....

圖2-7人工神經(jīng)元模型示意圖

青島大學(xué)碩士學(xué)位論文191/10xhyfxxhxhorxh2-(9)（4）S型函數(shù)11xyfxe2-(10)（5）ReLU（RectifiedLinearUnit）函數(shù)ymax(0,x)2-(11)2.4BP神經(jīng)網(wǎng)絡(luò)2.4.1BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型及算法目前最成熟應(yīng)用最廣泛的人工神....

圖3-1全連接方

青島大學(xué)碩士學(xué)位論文26圖3-1全連接方式與稀疏連接方式（2）參數(shù)共享傳統(tǒng)神經(jīng)網(wǎng)絡(luò)神經(jīng)元之間的連接都是一一對(duì)應(yīng)的，每兩個(gè)神經(jīng)元間的權(quán)重參數(shù)都是唯一的，無論在前向傳播還是反向傳播的過程中只使用一次，不同神經(jīng)元之間不會(huì)共享同一個(gè)參數(shù)。而卷積神經(jīng)網(wǎng)絡(luò)采用了參數(shù)共享的方式，每個(gè)卷積核即為....

本文編號(hào)：3979960