| 【中文题名】 | 基于人工神经网络的短期负荷预测 |
| 【英文题名】 | Short-Term Load Forecasting Based on Artificial Neural Networks |
| 【学科专业】 | 技术经济及管理学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-9-24 |
| 【中关键词】 | 电力系统,短期负荷预测,人工神经网络,组合模型,, |
| 【英关键词】 | Power system,Short term load forecasting,Artificial neural networks,Combined forecasting model, |
| 【分类导航】 | 工业技术>电工技术>输配电工程、电力网及电力系统>理论与分析>负荷分析>负荷功率、因数的提高 |
| 【论文摘要】 |
短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面，是能量管理系统（EMS）的组成部分，也是今后进行电网商业化运营所必需的基本内容。
目前，国内外电力系统短期负荷预测的方法很多，但没有任何一种方法能保证在任何情况下都获得满意的预测结果，因而提高预测精度一直是人们致力于研究的方向。针对短期负荷的变化规律，本文分别应用一次指数平滑模型和人工神经网络模型建立模型。一次指数平滑模型充分体现了负荷连续变化的趋势性和周期性，但是没有详细考虑天气因素对负荷的影响。神经网络模型有力的知识学习能力和非线性映射功能，将气象因素、类型日及历史负荷数据与负荷变化有机结合起来，但此模型对负荷变化的连续波动性体现不够。本文通过对郑州地区负荷特性的实际情况进行分析，得出本地区负荷变化的规律和影响负荷变化的因素，综合上述两种模型优缺点的互补性，提出了一种适合该地区负荷特点的短期负荷预测方法---组合预测模型。它对神经网络在实用中的性能作了改进，使网络能以较大的概率快速收敛到全局最小，预测精度在考虑了天气因素影响后有了较大程度的提高，经过对该地区电力系统... |
| 【论文题纲】 |
|
中文摘要 |
2-3 |
|
英文摘要 |
3-6 |
|
第一章 绪论 |
6-14 |
|
1．1 短期负荷预测的意义和目的 |
6-8 |
|
1．2 国内外短期负荷预测研究情况综述 |
8-12 |
|
1．2．1 电力系统短期负荷预测的研究现状 |
8-11 |
|
1．2．2 神经网络应用于短期负荷预测的研究现状 |
11-12 |
|
1．3 本论文的主要工作 |
12-14 |
|
第二章 负荷预测原理 |
14-28 |
|
2．1 负荷预测的分类及特性 |
14-17 |
|
2．1．1 负荷预测的分类 |
14-16 |
|
2．1．2 负荷预测的特点 |
16-17 |
|
2．2 短期负荷特性分析 |
17-25 |
|
2．2．1 短期负荷特性概述 |
17-19 |
|
2．2．2 典型负荷分量的特性 |
19-21 |
|
2．2．3 天气敏感负荷分量的特性 |
21-23 |
|
2．2．4 随机负荷分量的特性 |
23 |
|
2．2．5 规范化的处理相关因素 |
23-25 |
|
2．3 负荷预测的特点和原理 |
25-28 |
|
2．3．1 负荷预测的特点 |
25-26 |
|
2．3．2 负荷预测的原理 |
26-28 |
|
第三章 人工神经网络基础 |
28-37 |
|
3．1 人工神经网络的发展历史 |
28-29 |
|
3．2 人工神经网络的概念 |
29-32 |
|
3．2．1 大脑神经细胞的结构和作用原理 |
29-30 |
|
3．2．2 组成ANN的基本单元--神经元 |
30-31 |
|
3．2．3 人工神经网络的运作方式 |
31-32 |
|
3．3 人工神经网络的特性 |
32-35 |
|
3．3．1 信息的分布存储 |
32-33 |
|
3．3．2 大规模并行处理能力 |
33-34 |
|
3．3．3 人工神经网络具有自学习和自适应能力 |
34 |
|
3．3．4 人工神经网络软件仿真的意义 |
34-35 |
|
3．4 人工神经网络在电力系统的应用 |
35-37 |
|
第四章 人工神经网络模型 |
37-56 |
|
4．1 神经网络的基本原理 |
37-39 |
|
4．1．1 人工神经元模型 |
37-38 |
|
4．1．2 神经网络模型 |
38-39 |
|
4．1．3 神经网络的学习 |
39 |
|
4．2 神经网络的BP模型 |
39-42 |
|
4．3 人工神经网络法应用于短期负荷预测 |
42-50 |
|
4．3．1 神经网络的结构 |
44-46 |
|
4．3．2 基于模式识别中的聚类原理选取训练样本 |
46 |
|
4．3．3 历史数据处理 |
46-47 |
|
4．3．4 神经网络的学习过程 |
47-48 |
|
4．3．5 人工神经网络法用于负荷预测的算例分析 |
48-50 |
|
4．4 指数平滑法用于负荷预测 |
50-56 |
|
4．4．1 一次指数平滑法 |
50-51 |
|
4．4．2 一次指数平滑法负荷预测算例分析 |
51-53 |
|
4．4．3 一次指数平滑法与人工神经网络法预测结果分析 |
53-56 |
|
第五章 组合预测法与算例分析 |
56-64 |
|
5．1 组合预测法 |
56-59 |
|
5．1．1 组合预测模型 |
56-57 |
|
5．1．2 权重的确定 |
57-59 |
|
5．2 组合预测模型算例分析 |
59-64 |
|
第六章 软件实现 |
64-70 |
|
6．1 开发环境的选择和介绍 |
64-65 |
|
6．2 软件特点和程序实现 |
65-69 |
|
6．3 程序的执行过程 |
69-70 |
|
第七章 结论 |
70-72 |
|
致谢 |
72-73 |
|
参考文献 |
73-75 |
|
| 【DOI】 | LunWen.ID:2.2008.386548 |
