基于神经网络的电力负荷预测研究与实现

发布时间：2017-07-30 09:25

  本文关键词：基于神经网络的电力负荷预测研究与实现

  更多相关文章： 电力负荷 预测 前馈网络 循环神经网络 序列增量比

【摘要】：电力产业在国民工业系统中具有支柱作用,电力的平稳运行关乎国民经济的命脉。在电力系统管理中,电力负荷预测至关重要。准确的电力负荷预测能够为电力系统的平稳运行、制定合理电价、电力实时调度提供重要依据。特别是在经济领域,电力负荷预测能够对合理调配资源,优化发电计划,取得最优的社会效益和经济效益起到巨大作用。然而随着我国经济的快速发展,对电力的需求日益增长,电力负荷本身也受日期、天气、气候、市场以及政策影响,大大加大了准确电力负荷预测的难度。本文首先介绍了电力负荷预测的背景以及负荷预测对经济的影响,分析了影响电力负荷的因素以及电力分析的基本模型并介绍电力负荷预测常用的基本方法。本文重点介绍了神经网络的基本原理,如何将神经网络用于电力负荷预测之中,并提出了基于序列增量比的神经网络预测方法。本文的内容主要包括以下三个方面：一、对电力负荷预测的基础模型和基本方法进行了详细的介绍。本文通过对数据的可视化方法介绍了影响电力负荷的四种分量,包括基本(正常)负荷分量、天气敏感分量、特殊事件敏感分量以及随机分量,以及各个分量对电力总负荷变化趋势的不同作用。然后简要介绍了预测负荷的几种方法,包括传统的基本的分析预测方法以及灰度预测、回归分析和神经网络等智能预测方法。二、对神经网络的基本原理进行了系统介绍。本文介绍了两种网络,即基本的前馈神经网络以及循环神经网络,以及如何通过反向传播进行参数学习。介绍了我们如何将神经网络用于预测,包括处理数据,如何将输出数据归一化以及如何将特征进行量化,以及确定隐藏层节点个数。介绍了我们提出的通过序列增量比的方式进行多步负荷预测。三、使用前馈神经网络(Feed-forward Neural Networks)和循环神经网络(Recurrent Neural Networks,简称RNNs)两种网络进行负荷预测。对这两种网络,分别设置基本的预测负荷和序列增量比预测两种结构,并且由于RNN具备自动学习历史信息的能力,我们只在前馈网络的输入中加入历史数据来得到基本负荷分量。我们的实验数据集采用了EUNITE 2001年电力负荷预测大赛数据,是根据斯洛伐克东部电力公司收集的97、98两年负荷数据预测99年1月份电力负荷数据。采用MAPE(平均绝对误差率)和MW(最大误差)作为评价指标,通过在数据集上的实验证明,我们的方法相对于传统的电力负荷预测方法,在预测精度方面有了明显的提高。
【关键词】：电力负荷 预测 前馈网络 循环神经网络 序列增量比
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP183
【目录】：

• 摘要8-10
• ABSTRACT10-12
• 第一章 绪论12-18
• 1.1 电力负荷预测概述12-15
• 1.1.1 电力负荷预测背景12-13
• 1.1.2 电力消费与经济发展关系13-15
• 1.2 短期电力负荷预测意义15-16
• 1.3 国内外研究现状16-17
• 1.4 本文的研究思路和主要工作17-18
• 第二章 基本模型方法与分析18-30
• 2.1 负荷预测的基本模型18-22
• 2.1.1 基本部分负荷分量18-20
• 2.1.2 天气敏感负荷分量20-21
• 2.1.3 特殊事件负荷分量21
• 2.1.4 随机负荷分量21-22
• 2.2 电力负荷预测基本方法22-29
• 2.2.1 传统分析预测法22-24
• 2.2.2 回归分析预测24-27
• 2.2.3 灰色系统预测27-28
• 2.2.4 神经网络方法28
• 2.2.5 其它预测方法28-29
• 2.3 本章小结29-30
• 第三章 神经网络30-40
• 3.1 神经网络结构30-32
• 3.2 神经网络传播与BP求解32-35
• 3.2.1 前馈过程32
• 3.2.2 激活函数32-34
• 3.2.3 误差反向传播34-35
• 3.3 RNN神经网络35-39
• 3.3.1 RNN结构与特性35-38
• 3.3.2 RNN参数学习过程38-39
• 3.4 本章小结39-40
• 第四章 数据处理分析与实验设置40-51
• 4.1 数据预处理40-44
• 4.1.1 归一化40-42
• 4.1.2 类别数据的量化处理42-44
• 4.2 隐藏层神经元个数确定44-45
• 4.3 数据统计分析45-48
• 4.4 序列增量比因子48-50
• 4.5 本章小结50-51
• 第五章 实验结果与分析51-59
• 5.1 数据评测标准51-52
• 5.2 神经网络结构设置52-54
• 5.2.1 前馈神经网络结构52-53
• 5.2.2 序列增量比的前馈神经网络结构53
• 5.2.3 RNN网络结构53-54
• 5.2.4 序列增量比RNN网络结构54
• 5.3 实验结果与分析54-58
• 5.3.1 实验结果54-56
• 5.3.2 实验结果分析56-58
• 5.4 本章小结58-59
• 第六章 总结和展望59-61
• 6.1 工作总结59
• 6.2 工作展望59-61
• 参考文献61-64
• 致谢64-65
• 学位论文评阅及答辩情况表65

【相似文献】

中国期刊全文数据库 前10条

1 董伟;一种地区电力负荷预测的实用方法[J];吉林电力;2000年04期

2 滕菲,王宁;电力负荷预测技术[J];黑龙江电力;2002年05期

3 王建新,李彦民,庞春江,孙海洪;数据发掘技术在一类电力负荷预测中的应用[J];计算机工程与应用;2002年05期

4 黄桂华;中长期电力负荷预测方法的简述[J];农村电气化;2002年08期

5 甄利玲;一种电力负荷预测的综合方法[J];吕梁高等专科学校学报;2003年01期

6 周晖;高琦;和敬涵;钮文洁;;电力负荷预测知识体系的教学研究[J];电力学报;2006年04期

7 徐玉华;;中长期电力负荷预测方法分析[J];宁夏电力;2007年04期

8 闫晓坤;;电力负荷预测的技术方法分析[J];民营科技;2007年11期

9 段保乾;李伟;洪浩林;;基于系统动力学模型的中长期电力负荷预测[J];中小企业管理与科技;2007年12期

10 郝建军;张振刚;闫宁;;基于灰色理论的电力负荷预测[J];商情(财经研究);2008年06期

中国重要会议论文全文数据库 前10条

1 李忻贤;;浅谈电力负荷预测[A];山东电机工程学会第四届供电专业学术交流会论文集[C];2007年

2 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集（优秀论文部分）[C];2009年

3 赵成旺;顾幸生;;组合优化灰色预测模型在中长期电力负荷预测中应用[A];第二十四届中国控制会议论文集（下册）[C];2005年

4 罗楠;朱业玉;杜彩月;王军;王红燕;;支持向量机方法在电力负荷预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年

5 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集（文摘部分）[C];2009年

6 杨旭;刘自发;张建华;李聪;;考虑气候因素的城市电力负荷预测[A];第十一届全国电工数学学术年会论文集[C];2007年

7 牛东晓;陈志业;邢棉;谢宏;;具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

8 丁光彬;王治昆;赵林明;翟传仁;;包络预测方法及其在电力负荷预测中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

9 刘博;张筱慧;许璞;;变权重组合预测方法用于电力负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

10 孔胜;王宇;张承伟;;经济危机对中长期电力预测影响的实证研究[A];第五届（2010）中国管理学年会——商务智能分会场论文集[C];2010年

中国重要报纸全文数据库 前4条

1 薛元荡 鲍导;阜宁县加强电力负荷预测[N];中国电力报;2000年

2 章家银 张克杰;气象要素在电力负荷预测中的应用[N];巢湖日报;2006年

3 夏志强邋杨士进 曾居仁;气象预报助我省科学调度电力[N];贵州日报;2008年

4 本报记者 罗丹;气象科技融入电网[N];中国气象报;2014年

中国博士学位论文全文数据库 前7条

1 周倩;智能工程体系及其在电力负荷预测中的应用研究[D];华北电力大学（北京）;2010年

2 叶世杰;基于多指标模型的电力负荷预测研究[D];重庆大学;2010年

3 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学（北京）;2011年

4 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011年

5 王大鹏;灰色预测模型及中长期电力负荷预测应用研究[D];华中科技大学;2013年

6 刘晓娟;基于智能方法的电力系统负荷预测模型及其应用研究[D];东华大学;2014年

7 王勇;用于电力行业决策支持的多AGENT技术研究[D];华东师范大学;2007年

中国硕士学位论文全文数据库 前10条

1 石德琳;基于神经网络的电力负荷预测研究与实现[D];山东大学;2016年

2 李小燕;基于灰色理论的电力负荷预测[D];华中科技大学;2007年

3 储琳琳;市南地区电力负荷预测实用方法研究[D];上海交通大学;2009年

4 耿光飞;珠海市电力负荷预测研究[D];中国农业大学;2000年

5 张毅;中长期电力负荷预测[D];四川大学;2003年

6 沈海澜;基于数据挖掘技术的电力负荷预测研究[D];中南大学;2003年

7 蓝信军;长期电力负荷预测的模糊数学方法研究[D];湖南大学;2004年

8 周晓刚;盘锦地区中期电力负荷预测的研究[D];沈阳工业大学;2007年

9 陈霞;灰色预测模型及其在电力负荷预测中的应用研究[D];南昌大学;2007年

10 陈启;基于支持向量回归在短期负荷预测中的应用[D];河北工程大学;2010年

，

本文编号：593555