本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)的研究

  更多相關(guān)文章： 負(fù)荷預(yù)測(cè) BP神經(jīng)網(wǎng)絡(luò) 改進(jìn)BP算法 氣象因素 實(shí)時(shí)氣象因素

【摘要】：電力行業(yè)是關(guān)系國(guó)家社會(huì)經(jīng)濟(jì)發(fā)展,關(guān)乎國(guó)家民生的一個(gè)重要基礎(chǔ)性行業(yè)。電力系統(tǒng)的短期電力負(fù)荷預(yù)測(cè)是電網(wǎng)管理系統(tǒng)中的一個(gè)重要組成部分,是規(guī)劃電網(wǎng)結(jié)構(gòu)、營(yíng)銷(xiāo)、交易、安排調(diào)度計(jì)劃及交易計(jì)劃的前提和基礎(chǔ)。預(yù)測(cè)精度的高低直接關(guān)系到電網(wǎng)能否安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展,人們對(duì)生活質(zhì)量要求的提高,大量的降溫取暖設(shè)備的應(yīng)用使得負(fù)荷受氣象因素的影響越來(lái)越大,因此氣象越來(lái)越成為負(fù)荷預(yù)測(cè)中人們的關(guān)注點(diǎn)。本文以深圳市負(fù)荷為例對(duì)短期電力負(fù)荷預(yù)測(cè)的問(wèn)題進(jìn)行研究。對(duì)深圳負(fù)荷特性進(jìn)行了分析,總結(jié)出負(fù)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(duì)負(fù)荷做出合理預(yù)測(cè)。之后又對(duì)電力負(fù)荷預(yù)測(cè)的分類(lèi)、影響負(fù)荷變化的因素、負(fù)荷預(yù)測(cè)的步驟以及誤差分析等問(wèn)題進(jìn)行了研究。建立了考慮日特征相關(guān)因素的BP神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型,并分別用標(biāo)準(zhǔn)BP算法以及三種改進(jìn)的BP算法(自適應(yīng)BP算法、彈性梯度下降法以及L-M法)對(duì)深圳市負(fù)荷進(jìn)行預(yù)測(cè),通過(guò)對(duì)比分析,得到L-M法是訓(xùn)練最快也是預(yù)測(cè)精度最高的一種算法。建立了不考慮日特征相關(guān)因素的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,用L-M法對(duì)深圳市負(fù)荷做出預(yù)測(cè),與之前預(yù)測(cè)進(jìn)行對(duì)比分析,其精度很差;對(duì)深圳市夏季7月份負(fù)荷用考慮日特征相關(guān)因素的預(yù)測(cè)模型做出預(yù)測(cè),分析結(jié)果發(fā)現(xiàn),預(yù)測(cè)精度偏低,為解決此問(wèn)題,建立了考慮實(shí)時(shí)氣象因素的預(yù)測(cè)模型,精度得到很大提高。
【關(guān)鍵詞】：負(fù)荷預(yù)測(cè) BP神經(jīng)網(wǎng)絡(luò) 改進(jìn)BP算法 氣象因素 實(shí)時(shí)氣象因素
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：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(guó)內(nèi)外研究現(xiàn)狀9-13
• 1.2.1 電力負(fù)荷預(yù)測(cè)方法研究9-11
• 1.2.2 氣象因素在負(fù)荷預(yù)測(cè)中的應(yīng)用11-12
• 1.2.3 國(guó)內(nèi)外研究現(xiàn)狀分析12-13
• 1.3 課題的主要研究?jī)?nèi)容13-15
• 第2章 電力負(fù)荷預(yù)測(cè)分析15-23
• 2.1 引言15
• 2.2 深圳市負(fù)荷特性分析15-18
• 2.2.1 負(fù)荷的年周期性15-16
• 2.2.2 負(fù)荷的周周期性16-17
• 2.2.3 負(fù)荷的日周期性17
• 2.2.4 負(fù)荷的節(jié)假日特性17-18
• 2.3 電力負(fù)荷預(yù)測(cè)分類(lèi)18-19
• 2.4 電力負(fù)荷的影響因素19-20
• 2.5 負(fù)荷預(yù)測(cè)的基本步驟和誤差分析20-22
• 2.5.1 負(fù)荷預(yù)測(cè)的基本步驟20-21
• 2.5.2 誤差分析21-22
• 2.6 本章小結(jié)22-23
• 第3章BP神經(jīng)網(wǎng)絡(luò)模型建立及預(yù)測(cè)23-37
• 3.1 引言23
• 3.2 BP神經(jīng)網(wǎng)絡(luò)模型23-28
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)23-25
• 3.2.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法25-28
• 3.3 BP神經(jīng)網(wǎng)絡(luò)法短期電力負(fù)荷預(yù)測(cè)28-34
• 3.3.1 歷史數(shù)據(jù)的選取及預(yù)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(luò)的拓?fù)浣Y(jié)構(gòu)32-34
• 3.4 以深圳市負(fù)荷為例進(jìn)行預(yù)測(cè)分析34-36
• 3.5 本章小結(jié)36-37
• 第4章 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)37-50
• 4.1 引言37
• 4.2 標(biāo)準(zhǔn)BP算法的優(yōu)缺點(diǎn)及改進(jìn)37-41
• 4.2.1 標(biāo)準(zhǔn)BP算法的優(yōu)缺點(diǎn)37-38
• 4.2.2 BP算法的改進(jìn)38-41
• 4.3 以深圳負(fù)荷為例進(jìn)行預(yù)測(cè)分析41-49
• 4.3.1 改進(jìn)BP算法的工作日負(fù)荷預(yù)測(cè)41-47
• 4.3.2 改進(jìn)算法的預(yù)測(cè)效果比較47-48
• 4.3.3 對(duì)休息日負(fù)荷進(jìn)行預(yù)測(cè)48-49
• 4.4 本章小結(jié)49-50
• 第5章 氣象因素對(duì)負(fù)荷預(yù)測(cè)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(yù)測(cè)分析50-54
• 5.2.1 對(duì)工作日的訓(xùn)練結(jié)果與誤差分析50-52
• 5.2.2 對(duì)休息日的訓(xùn)練結(jié)果和誤差分析52-54
• 5.3 基于實(shí)時(shí)氣象因素的短期負(fù)荷預(yù)測(cè)54-58
• 5.3.1 對(duì)7月份負(fù)荷進(jìn)行預(yù)測(cè)54-55
• 5.3.2 考慮實(shí)時(shí)氣象因素的短期負(fù)荷預(yù)測(cè)55-58
• 5.4 本章小結(jié)58-59
• 結(jié)論59-60
• 參考文獻(xiàn)60-64
• 致謝64

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 陳偉;周峰;韓新陽(yáng);單葆國(guó);;國(guó)家電網(wǎng)負(fù)荷特性分析研究[J];電力技術(shù)經(jīng)濟(jì);2008年04期

2 陳剛;周杰;張雪君;張忠靜;;基于BP與RBF級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的日負(fù)荷預(yù)測(cè)[J];電網(wǎng)技術(shù);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(fù)荷特性及其影響因素分析[J];電網(wǎng)技術(shù);2012年07期

4 牛成林,于希寧,李建強(qiáng);專(zhuān)家系統(tǒng)在電力預(yù)測(cè)負(fù)荷中的應(yīng)用[J];儀器儀表用戶(hù);2005年04期

5 林揚(yáng)宇;易_";陳彬;包宇慶;;考慮氣象因素和日期類(lèi)型的短期負(fù)荷預(yù)測(cè)[J];計(jì)算機(jī)仿真;2014年03期

，

本文編號(hào)：960645