本文首先分析比較了電力系統(tǒng)短期負(fù)荷預(yù)測的傳統(tǒng)方法時(shí)間序列法和回歸方法以及最近的專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)點(diǎn)和不足，然后針對人工神經(jīng)網(wǎng)絡(luò)BP算法的不足對其進(jìn)行了改進(jìn)，采用了基于擬牛頓的自適應(yīng)算法，它提高了網(wǎng)絡(luò)學(xué)習(xí)效率，具有較快的收斂速度和較高的精度。接著提出了改進(jìn)的遺傳算法來改善神經(jīng)網(wǎng)絡(luò)的局部收斂性。文中利用神經(jīng)網(wǎng)絡(luò)和遺傳算法的優(yōu)點(diǎn)，建立了一種神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合的模型來進(jìn)行電力系統(tǒng)的短期負(fù)荷預(yù)測。在對負(fù)荷變化規(guī)律分析的基礎(chǔ)上提出了按日期類型分開建模的24小時(shí)預(yù)測模型，并對天氣因素進(jìn)行了有效處理。建立了具有靈活友好的用戶界面和較完善功能的負(fù)荷預(yù)測軟件。實(shí)例表明，人工神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合的模型在實(shí)際應(yīng)用中有令人滿意的預(yù)測效果。 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【文章目錄】：
第一章 緒論
    §1.1 引言
    §1.2 短期負(fù)荷預(yù)測變化規(guī)律及特點(diǎn)
    §1.3 短期負(fù)荷預(yù)測的研究概況
第二章 人工神經(jīng)網(wǎng)絡(luò)
    §2.1 人工神經(jīng)網(wǎng)絡(luò)概述
    §2.2 神經(jīng)網(wǎng)絡(luò)基本原理
    §2.3 BP神經(jīng)網(wǎng)絡(luò)
    §2.4 BP算法存在的問題
    §2.5 擬牛頓自適應(yīng)法
第三章 遺傳算法
    §3.1 遺傳算法概況
    §3.2 遺傳算法
    §3.3 遺傳算法的特點(diǎn)
    §3.4 遺傳算法的設(shè)計(jì)和完善
第四章 遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)測模型
    §4.1 GA與ANN的結(jié)合模型
    §4.2 負(fù)荷分析及建立預(yù)測模型
    §4.3 天氣處理和樣本形成
    §4.4 滾動訓(xùn)練跟蹤校正誤差
    §4.5 負(fù)荷預(yù)測神經(jīng)網(wǎng)絡(luò)模型
    §4.6 人工智能負(fù)荷預(yù)測軟件系統(tǒng)
第五章 算例分析和結(jié)論
    §5.1 算例
    §5.2 結(jié)論及進(jìn)一步工作
致謝
參考文獻(xiàn)



本文編號：3032762