基于模糊神经网络的电力系统短期负荷预测

摘要

随着我国社会和经济水平的不断发展，电力系统的建设和运行取得了举世瞩目的成就，不断向现代化、智能化迈进，电网的管理水平也日益提升。在众多衡量电网运行管理水平的指标之中，电力系统负荷预测的准确度无疑是较为重要一环，而这其中，短期负荷预测准确度与电网调度部门的日常工作联系更为紧密，具有更加重要的意义。影响短期负荷预测准确度的因素较多，如该区域的历史负荷的变化趋势，此外还有受到一些非负荷因素的影响，比如气温、气象状况和运行方式等。本文在短期负荷预测方面所做的主要研究工作如下:
　　本文首先阐述了电力系统负荷预测的应用意义和分析方法，然后论述了模糊推理理论和人工神经网络的基本原理。本文第三章对人工神经网络的基本理论方法进行了较深入细致地研究，建立了神经网络负荷预测模型。该模型的输入变量考虑了历史负荷数据以及温度的影响，同时对输入负荷值进行缺失数据修补、数据平滑处理和归一化处置等一系列预处理。最后，本文阐述了一个基于自适应网络模糊推理系统（Adaptive Network based Fuzzy Inference System，简称ANFIS）的短期负荷预测系统，用实际负荷值对模糊神经网络进行训练和模拟，以达到对电力系统短期负荷预测的目的。从预测的效果来看，本文所提出的自适应网络模糊推理系统模型优于传统的BP网络的性能，加快了网络训练学习的速度，更符合实际应用的要求。
　　本文所提出的基于模糊神经网络的负荷预测模型为电力系统的负荷预测开辟了新的途径和思路，具有一定的理论研究和实际应用的价值。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 负荷预测概述

1．2．1 负荷预测分类

1．2．2 负荷预测特点

1．3 国内外负荷预测方法综述

1．3．1 电力系统负荷预测的传统方法

1．3．2 负荷预测的新技术

1．4 本文的主要工作

第2章 模糊理论基础

2．1 模糊理论概述

2．2 模糊集合理论

2．2．1 模糊集合的概念

2．2．2 模糊集合的表示方法

2．2．3 模糊集合的运算

2．2．4 隶属函数及其常见类型

2．3 模糊关系

2．3．1 经典关系

2．3．2 模糊关系

2．3．3 模糊关系的合成

2．4 模糊推理

2．4．1 模糊推理的定义

2．4．2 常用的模糊推理

第3章 人工神经网络及其在负荷预测中的应用

3．1 人工神经网络概述

3．2 人工神经网络的基本原理

3．2．1 人工神经网络的基本组成

3．2．2 人工神经网络的结构

3．2．3 人工神经网络的学习方式

3．3 BP神经网络简介

3．3．1 BP网络模型及其算法

3．3．2 BP网络的算法的改进

3．4 基于BP网络短期负荷预测

3．4．1 负荷数据的预处理

3．4．2 网络模型设计

3．4．3 输入样本的选择

3．4．4 预测实例分析

第4章 自适应神经网络模糊推理系统

4．1 概述

4．2 Mamdani型神经网络结构

4．3 Takagi—Sugeno型神经网络结构

4．4 ANFIS的学习算法

4．4．1 误差反向传播算法

4．4．2 最小二乘法

4．4．3 混合学习算法

4．5 ANFIS输入空间划分

4．5．1 基于网格的输入空间划分

4．5．2 基于聚类的输入空间划分

第5章 ANFIS在短期负荷预测中的应用

5．1 输入输出变量的确定

5．2 预测模型的分析

5．3 基于减法类聚的AN FIS预测模型

5．3．1 减法类聚的算法分析

5．3．2 建立减法类聚预测模型

5．3．3 预测模型的模糊推理规则

5．3．4 预测模型的训练

5．3．5 基于模型的预测

5．3．6 预测结果分析

5．4 本章小结

第6章 结论

参考文献

致谢

作者介绍