人工神经网络在电力系统中的应用电力系统短期负荷预测

摘要

该文研究的是基于人工神经网络技术的电力系统短期负荷预测.对BP算法的参数选取进行了深入的研究,特别是在初始权值设置、学习模式方面取得非常明显的效果;在对激活函数研究与对基本BP算法分析的基础上,提出了一种简化的BP算法,在琮称问题与负荷预测实例中取得了非常好的效果.负荷预测模型主要考虑了气象因素、按周的周期性因素;训练样本选取原则是,尽量选取与预测日参数相似的样本作为训练样本;原始数据归一化处理采用动态归一化,参数的上下线根据实际情况而定;考虑到负荷按周期性,引入了周指数进行修正;在以上分析的基础上,分别设计了三个负荷预测模型,并用实际数据进行模型仿真,仿真结果证明了上述改进的有效性,同时也证明了神经网络在短期负荷预测这一领域应用的可行性.

目录

文摘

英文文摘

第一章绪论

1.1选题意义与背景

1.2短期负荷预测技术发展概述

1.3基于神经网络的预测技术发展概述

1.4本文的工作

第二章多层前馈神经网络的基本理论

2.1感知器模型与性质

2.2线性可分理论

2.3多层前馈神经网络模型——感知器模型的扩展

2.4本章结论

第三章BP算法的研究与改进

3.1 BP神经网络

3.2学习模式

3.3初始权值的影响与设置

3.4隐含层的选择

3.5激活函数的研究

3.6简化的BP算法

3.7本章主要结论

第四章负荷预测分析

4.1负荷预测的分类及复杂性

4.2负荷预测误差分析

4.3本章小结

第五章负荷预测模型与软件实现

5.1预测模型一

5.2预测模型二

5.3预测模型三

5.4软件实现

结束语

参考文献

附录Ⅰ

附录Ⅱ在读硕士期间发表的论文