基于蚁群算法优化神经网络的包头地区中长期电力负荷预测

摘要

电力负荷预测是电力系统安全经济规划、调度、设计研究的必要和前提。准确的负荷预测，不仅能够帮助电力部门有效合理的制定发配电计划，还能够帮助电力部门减少能源浪费，从而降低发电成本，提高企业的经济效益和社会效益。中长期电力负荷预测是指5年左右或10年以上的负荷预测工作，它是电网规划的重要基础，其预测精度的好坏直接影响到电网规划工作的优劣，因此，电力负荷预测精度的提高是目前众多研究者努力探寻的目标。
　　 目前，用于电力负荷预测的方法有很多种，且每种预测方法都有自己的适用范围，很难应用于全部的预测情况。因此，我们必须根据具体的负荷预测特点，找出对应的预测方法。这就要求我们对负荷特性等方面进行充分的认识和分析，并且能够总结出影响电力负荷预测的主要影响因素，最后再按照根据具体的负荷预测特性选择合适的预测方法，对历史数据进行计算处理，最终获得理想的预测精度。
　　 本文系统的对目前用于电力负荷预测的方法进行了总结分析，并概述了当前电力负荷预测的特性、原理及步骤。在对电力负荷特性的规律及影响电力负荷预测的各种因素充分分析基础上，本文提出了基于蚁群算法优化BP神经网络的电力负荷预测模型;在分别对蚁群算法和BP神经网络充分介绍认识后，根据包头地区的电力负荷预测的实际情况，建立了基于蚁群算法优化BP神经网络的电力负荷预测模型，并利用相关分析法确定出网络的输入向量和输出向量。
　　 最后，本文利用蚁群算法优化BP神经网络预测模型对包头地区的电力负荷进行预测分析，并与优化前BP神经网络模型的预测值进行对比分析，结果表明:蚁群优化后的BP神经网络的预测精度要高于优化前BP神经网络模型的预测精度，说明蚁群算法优化的BP神经网络预测模型更加适合于该地区的电力负荷预测工作。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．2 国内外研究现状

1．2．1 早期经典预测方法

1．2．2 一般预测方法

1．2．3 智能预测方法

1．3 本文的主要工作

第2章 电力负荷预测分析

2．1 电力负荷预测的特性

2．1．1 电力负荷的特点

2．1．2 电力负荷预测的特点

2．2 电力负荷预测的原理

2．3 电力负荷预测的步骤

2．4 负荷数据处理方法

2．4．1 负荷数据的预处理

2．4．2 负荷数据再处理

2．5 误差分析方法

第3章 包头地区经济与电力发展状况

3．1 地区基本情况

3．2 资源概况

3．3 经济发展

3．4 电力需求现状分析

3．4．1 包头用电结构分析

3．4．2 用电负荷情况分析

第4章 包头地区中长期电力负荷预测优化模型

4．1 蚁群算法介绍

4．1．1 简介

4．1．2 蚁群算法的基本构架

4．1．3 蚁群算法的数学描述

4．1．4 蚁群算法的特点

4．2 BP神经网络介绍

4．2．1 神经网络简介

4．2．2 神经元结构

4．2．3 BP神经网络原理

4．2．4 BP神经网络的特点

4．3 蚁群算法优化的BP神经网络预测模型

第5章 包头地区中长期电力负荷预测

5．1 选择输入变量

5．2 样本数据归一化

5．3 训练和测试

5．4 包头地区2013～2015年电力负荷预测

第6章 研究结论

参考文献

攻读硕士学位期间发表的学术论文及其它成果

致谢

作者简介

附件 蚁群优化神经网络预测模型matlab主要代码