基于改进PSO-Elman网络的短期电力负荷预测

摘要

在社会经济形势迅速发展的今天，我国电力行业也在迅速的发展，规模日趋扩大，因为电能是一种不能储存的特殊能源，所以要求发电部门要对电力市场进行调查，对电力系统负荷进行精确的预测，以保证发电部门发电量与用户用电量一致，这就要求对电力负荷的预测精度要高，只有高精度的电力负荷预测才能保证电力供求关系的平衡，社会的有效运行，对先进的电力负荷预测方法的研究成为当今一个重要的研究方向。
　　本文研究的主要内容包括：介绍了电力系统负荷预测在我国经济发展中的重要性，对长期、中期及短期电力负荷预测方法进行比较，介绍了短期电力负荷预测的重要，并对短期电力负荷预测方法提出展望。介绍了人工神经网络的模型，分别以BP神经网络为例介绍了前馈神经网络，以Elman神经网络为例介绍了反馈型神经网络，并分别介绍其训练过程，介绍基本粒子群模型及算法实现过程，分析其过程中的缺点，提出两种改进方法，将改进后的粒子群算法应用到Elman神经网络训练中，对短期电力负荷进行预测。并与未使用粒子群算法优化的Elman神经网络预测结果进行仿真比较。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 电力负荷研究的重要性

1.2 电力负荷研究方向及方法

1.3 电力负荷的研究现状

1.4本文研究的主要内容

第二章 神经网络简介

2.1 人工神经网络模型

2.2 人工神经网络的分类

2.3 BP神经网络

2.4 Elman神经网络

第三章 粒子群算法应用

3.1 粒子群算法综述

3.2 粒子群算法实现的步骤

3.3粒子群算法进化方程的改进

第四章 基于改进PSO-Elman网络模型在电力负荷预测中的实现

4.1电力负荷预测的重要性

4.2 神经网络模型建立

4.3 样本数据的预处理

4.4实验仿真结果

第五章 结论与展望

5.1结论

5.2展望

致谢

参考文献