基于集成型Elman神经网络的电力系统短期负荷预测研究

发布时间：2024-04-09 03:47

　　电力系统是近几十年来最为复杂的人工智能系统之一,随着系统的不断发展壮大,精准的负荷预测在系统的安全、高效、经济运行中发挥着重大作用。短期负荷预测作为电力系统运行中必不可少的一项工作,是合理安排机组开停计划、制定调度计划的基础,因此如何提高短期负荷预测的精度成为国内外学者普遍关注的重点问题。本文首先介绍了短期负荷预测的特点、影响因素以及基本预测流程,接着对在短期负荷预测中占重要地位的人工神经网络作了简要说明,并重点介绍了具有动态递归特性的Elman神经网络。针对传统Elman神经网络预测结果随机性大、预测精度不高的缺点,构建了基于Bagging算法与Elman神经网络融合的短期负荷预测模型。该模型是利用Bagging算法来改善传统Elman神经网络预测结果随机性大的问题,以提高预测模型的预测精度和稳定性。通过实例仿真验证,与传统的Elman神经网络预测模型相比,该模型可有效提高预测精度和预测稳定性。在基于Bagging算法与Elman神经网络融合的短期负荷预测模型中,每个Elman神经网络的子训练集样本均按同一概率采样的方式产生,对预测误差大的样本不能给予更多关注,且最终的预测结果仅为各...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究动态
    1.3 本文主要工作
第二章 短期负荷预测及神经网络技术
    2.1 短期负荷预测
        2.1.1 短期负荷预测的特点
        2.1.2 短期负荷预测的影响因素
        2.1.3 短期负荷预测的基本流程
    2.2 人工神经网络
        2.2.1 人工神经网络概述
        2.2.2 人工神经网络分类
    2.3 Elman神经网络
        2.3.1 Elman神经网络结构
        2.3.2 Elman神经网络算法
        2.3.3 Elman神经网络预测流程
    2.4 本章小结
第三章 基于Bagging算法与Elman-NN融合的短期负荷预测模型
    3.1 集成学习
    3.2 Bagging算法
        3.2.1 Bagging算法简介
        3.2.2 Bagging算法的具体实现
    3.3 基于Bagging算法与Elman-NN融合的短期负荷预测模型
        3.3.1 Bagging-Elman预测模型的建立
        3.3.2 算例分析
    3.4 本章小结
第四章 基于Boosting回归算法与Elman-NN融合的短期负荷预测模型
    4.1 Boosting算法
        4.1.1 Boosting算法简介
        4.1.2 Boosting算法的具体实现
        4.1.3 Boosting算法分类
    4.2 基于Boosting回归算法与Elman-NN融合的短期负荷预测模型
        4.2.1 Boosting-Elman预测模型的建立
        4.2.2 算例分析
    4.3 基于Boosting回归算法与PSO-Elman-NN融合的短期负荷预测模型
        4.3.1 Boosting-PSO-Elamn预测模型的建立
        4.3.2 算例分析
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读学位期间研究成果
致谢



本文编号：3949267