本文關鍵詞：基于BP神經(jīng)網(wǎng)絡的短期電力負荷預測的研究

  更多相關文章： 負荷預測 BP神經(jīng)網(wǎng)絡 改進BP算法 氣象因素 實時氣象因素

【摘要】：電力行業(yè)是關系國家社會經(jīng)濟發(fā)展,關乎國家民生的一個重要基礎性行業(yè)。電力系統(tǒng)的短期電力負荷預測是電網(wǎng)管理系統(tǒng)中的一個重要組成部分,是規(guī)劃電網(wǎng)結構、營銷、交易、安排調(diào)度計劃及交易計劃的前提和基礎。預測精度的高低直接關系到電網(wǎng)能否安全、穩(wěn)定、經(jīng)濟運行。隨著社會經(jīng)濟的不斷發(fā)展,人們對生活質量要求的提高,大量的降溫取暖設備的應用使得負荷受氣象因素的影響越來越大,因此氣象越來越成為負荷預測中人們的關注點。本文以深圳市負荷為例對短期電力負荷預測的問題進行研究。對深圳負荷特性進行了分析,總結出負荷具有年周期性、周周期性、日周期性以及節(jié)假日特性。依據(jù)這些特性,可以對負荷做出合理預測。之后又對電力負荷預測的分類、影響負荷變化的因素、負荷預測的步驟以及誤差分析等問題進行了研究。建立了考慮日特征相關因素的BP神經(jīng)網(wǎng)絡負荷預測模型,并分別用標準BP算法以及三種改進的BP算法(自適應BP算法、彈性梯度下降法以及L-M法)對深圳市負荷進行預測,通過對比分析,得到L-M法是訓練最快也是預測精度最高的一種算法。建立了不考慮日特征相關因素的BP神經(jīng)網(wǎng)絡預測模型,用L-M法對深圳市負荷做出預測,與之前預測進行對比分析,其精度很差;對深圳市夏季7月份負荷用考慮日特征相關因素的預測模型做出預測,分析結果發(fā)現(xiàn),預測精度偏低,為解決此問題,建立了考慮實時氣象因素的預測模型,精度得到很大提高。
【關鍵詞】：負荷預測 BP神經(jīng)網(wǎng)絡 改進BP算法 氣象因素 實時氣象因素
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM715
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-15
• 1.1 課題的研究背景及意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-13
• 1.2.1 電力負荷預測方法研究9-11
• 1.2.2 氣象因素在負荷預測中的應用11-12
• 1.2.3 國內(nèi)外研究現(xiàn)狀分析12-13
• 1.3 課題的主要研究內(nèi)容13-15
• 第2章 電力負荷預測分析15-23
• 2.1 引言15
• 2.2 深圳市負荷特性分析15-18
• 2.2.1 負荷的年周期性15-16
• 2.2.2 負荷的周周期性16-17
• 2.2.3 負荷的日周期性17
• 2.2.4 負荷的節(jié)假日特性17-18
• 2.3 電力負荷預測分類18-19
• 2.4 電力負荷的影響因素19-20
• 2.5 負荷預測的基本步驟和誤差分析20-22
• 2.5.1 負荷預測的基本步驟20-21
• 2.5.2 誤差分析21-22
• 2.6 本章小結22-23
• 第3章BP神經(jīng)網(wǎng)絡模型建立及預測23-37
• 3.1 引言23
• 3.2 BP神經(jīng)網(wǎng)絡模型23-28
• 3.2.1 BP神經(jīng)網(wǎng)絡結構23-25
• 3.2.2 BP神經(jīng)網(wǎng)絡的學習算法25-28
• 3.3 BP神經(jīng)網(wǎng)絡法短期電力負荷預測28-34
• 3.3.1 歷史數(shù)據(jù)的選取及預處理28-30
• 3.3.2 樣本數(shù)據(jù)的歸一化及量化處理30-32
• 3.3.3 網(wǎng)絡的拓撲結構32-34
• 3.4 以深圳市負荷為例進行預測分析34-36
• 3.5 本章小結36-37
• 第4章 改進BP神經(jīng)網(wǎng)絡的短期負荷預測37-50
• 4.1 引言37
• 4.2 標準BP算法的優(yōu)缺點及改進37-41
• 4.2.1 標準BP算法的優(yōu)缺點37-38
• 4.2.2 BP算法的改進38-41
• 4.3 以深圳負荷為例進行預測分析41-49
• 4.3.1 改進BP算法的工作日負荷預測41-47
• 4.3.2 改進算法的預測效果比較47-48
• 4.3.3 對休息日負荷進行預測48-49
• 4.4 本章小結49-50
• 第5章 氣象因素對負荷預測的影響分析50-59
• 5.1 引言50
• 5.2 不考慮日特征氣象因素的預測分析50-54
• 5.2.1 對工作日的訓練結果與誤差分析50-52
• 5.2.2 對休息日的訓練結果和誤差分析52-54
• 5.3 基于實時氣象因素的短期負荷預測54-58
• 5.3.1 對7月份負荷進行預測54-55
• 5.3.2 考慮實時氣象因素的短期負荷預測55-58
• 5.4 本章小結58-59
• 結論59-60
• 參考文獻60-64
• 致謝64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 陳偉;周峰;韓新陽;單葆國;;國家電網(wǎng)負荷特性分析研究[J];電力技術經(jīng)濟;2008年04期

2 陳剛;周杰;張雪君;張忠靜;;基于BP與RBF級聯(lián)神經(jīng)網(wǎng)絡的日負荷預測[J];電網(wǎng)技術;2009年12期

3 廖峰;徐聰穎;姚建剛;蔡劍彪;陳素玲;;常德地區(qū)負荷特性及其影響因素分析[J];電網(wǎng)技術;2012年07期

4 牛成林,于希寧,李建強;專家系統(tǒng)在電力預測負荷中的應用[J];儀器儀表用戶;2005年04期

5 林揚宇;易_";陳彬;包宇慶;;考慮氣象因素和日期類型的短期負荷預測[J];計算機仿真;2014年03期

，

本文編號：960645