本文關(guān)鍵詞：基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法的智能電網(wǎng)短期負(fù)荷預(yù)測

  更多相關(guān)文章： 實(shí)時(shí)電價(jià) 主成分分析 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 短期負(fù)荷預(yù)測

【摘要】：智能電網(wǎng)為建立了節(jié)約、無污染、安全可靠的自愈電網(wǎng)結(jié)構(gòu)提供了方向。智能電網(wǎng)的研究利用已經(jīng)成為歐美國家以及中國的發(fā)展戰(zhàn)略,許多國家在智能電網(wǎng)的研究領(lǐng)域都取得了一定的成果。電力系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)調(diào)度部門制定發(fā)電計(jì)劃的依據(jù),是市場環(huán)境下編排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃的基礎(chǔ)。短期負(fù)荷預(yù)測指的是周、日、小時(shí)等等短時(shí)間內(nèi)的負(fù)荷預(yù)測,根據(jù)預(yù)測的負(fù)荷曲線的變化,可以提出各發(fā)電廠的日發(fā)電計(jì)劃。風(fēng)能、太陽能這些可再生能源的并網(wǎng)發(fā)電,是智能電網(wǎng)的結(jié)構(gòu)的重要組成部分。在智能電網(wǎng)的情況下,用戶的消費(fèi)模式將是顯著的變化的,這一個(gè)顯著的變化是,用戶可以調(diào)整他們的消費(fèi)模式在實(shí)時(shí)電價(jià)的基礎(chǔ)上根據(jù)電能的需求。為了在智能電網(wǎng)環(huán)境下提高短期電力負(fù)荷預(yù)測的精度,本文提出了一種考慮實(shí)時(shí)電價(jià)影響的基于主成分分(Principal Component Analysis)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的短期符合預(yù)測。首先,在負(fù)荷預(yù)測研究中主要的是建立模型,本文參考了多方面的因素比如節(jié)假日、溫度等等建立了模型。其次,主成分分析主要運(yùn)用了降低維數(shù)的原理,當(dāng)矩陣的維數(shù)降低了這樣可以減少運(yùn)算量,而且降低維數(shù)后的矩陣也包含了原矩陣的信息。再次,由于神經(jīng)網(wǎng)絡(luò)算法在運(yùn)算過程中容易陷入局部極小點(diǎn),這樣就選擇了運(yùn)用遺傳算法對其進(jìn)行優(yōu)化,去除其這個(gè)缺點(diǎn)。最后,利用神經(jīng)網(wǎng)絡(luò)的高度非線性的優(yōu)點(diǎn)以及遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行了優(yōu)化和PCA降低維數(shù)原理通過Matlab仿真訓(xùn)練得到預(yù)測結(jié)果。實(shí)驗(yàn)說明,該方法具有較高的負(fù)荷預(yù)測精度。
【關(guān)鍵詞】：實(shí)時(shí)電價(jià) 主成分分析 遺傳算法 BP神經(jīng)網(wǎng)絡(luò) 短期負(fù)荷預(yù)測
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM715;TP183
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究的背景及意義10-11
• 1.2 負(fù)荷預(yù)測11-12
• 1.2.1 負(fù)荷預(yù)測的基本概念11-12
• 1.2.2 負(fù)荷預(yù)測的因素12
• 1.3 國內(nèi)外研究現(xiàn)狀12-13
• 1.3.1 傳統(tǒng)的負(fù)荷預(yù)測研究方法12-13
• 1.3.2 基于智能電網(wǎng)的負(fù)荷預(yù)測的研究現(xiàn)狀13
• 1.4 課題研究內(nèi)容13-15
• 第2章 電力系統(tǒng)的負(fù)荷預(yù)測15-19
• 2.1 負(fù)荷預(yù)測的分類15
• 2.2 負(fù)荷預(yù)測的特點(diǎn)15
• 2.3 短期負(fù)荷預(yù)測的影響因素15-16
• 2.3.1 氣象條件16
• 2.3.2 節(jié)假日16
• 2.3.3 緊急情況16
• 2.4 負(fù)荷預(yù)測的步驟16-17
• 2.5 負(fù)荷預(yù)測誤差分析17-18
• 2.5.1 誤差產(chǎn)生的原因17
• 2.5.2 幾種誤差分析方法17-18
• 2.6 本章小結(jié)18-19
• 第3章 遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)19-31
• 3.1 主成份分析法19-20
• 3.1.1 主成份分析法的原理19
• 3.1.2 主成分分析法的主要步驟19-20
• 3.2 遺傳算法20-22
• 3.2.1 遺傳算法的優(yōu)缺點(diǎn)20-21
• 3.2.2 遺傳算法的運(yùn)算過程21-22
• 3.3 神經(jīng)網(wǎng)絡(luò)22-23
• 3.3.1 神經(jīng)網(wǎng)絡(luò)的基本概念和原理22-23
• 3.3.2 神經(jīng)網(wǎng)絡(luò)的發(fā)展和應(yīng)用23
• 3.3.3 神經(jīng)網(wǎng)絡(luò)求解問題過程23
• 3.4 BP神經(jīng)網(wǎng)絡(luò)23-25
• 3.4.1 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟24-25
• 3.4.2 BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)25
• 3.5 遺傳算法和神經(jīng)網(wǎng)絡(luò)的結(jié)合25-28
• 3.6 遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)28-29
• 3.7 本章小結(jié)29-31
• 第4章 基于PCA的遺傳優(yōu)化BP網(wǎng)絡(luò)的負(fù)荷預(yù)測31-43
• 4.1 模型的建立31-35
• 4.1.1 模型輸入輸出變量的選擇31-33
• 4.1.2 數(shù)據(jù)歸一化處理33-34
• 4.1.3 誤差分析34-35
• 4.2 實(shí)例分析35-43
• 4.2.1 考慮實(shí)時(shí)電價(jià)的訓(xùn)練36-39
• 4.2.2 不考慮實(shí)時(shí)電價(jià)的訓(xùn)練39-43
• 結(jié)論43-44
• 參考文獻(xiàn)44-48
• 附錄48-49
• A.作者在攻讀碩士學(xué)位期間發(fā)表的論文48-49
• 致謝49

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 余貽鑫;欒文鵬;;智能電網(wǎng)述評[J];中國電機(jī)工程學(xué)報(bào);2009年34期

2 張文亮;劉壯志;王明俊;楊旭升;;智能電網(wǎng)的研究進(jìn)展及發(fā)展趨勢[J];電網(wǎng)技術(shù);2009年13期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孫超;獨(dú)立運(yùn)行的光伏系統(tǒng)的研究[D];南京航空航天大學(xué);2009年

，

本文編號(hào)：1132682