基于神经网络的短期电力负荷预测研究

发布时间：2017-09-14 10:27

  本文关键词：基于神经网络的短期电力负荷预测研究

  更多相关文章： 短期电力负荷预测 神经网络 数学模型 预测精度

【摘要】：电力系统短期负荷预测是电力部门日常调度工作中一项十分重要的内容,短期负荷预测的准确度对电力系统运行的安全性、可靠性和经济性都有着直接影响。因此,短期负荷预测方法的研究一直是国内外学者研究的一个重点方向。人工神经网络作为一种智能算法,近年来在短期电力负荷预测领域得到了广泛的研究与应用。本文对人工神经网络的网络结构,学习规则等方面进行介绍后,分别基于BP神经网络和Elman神经网络建立短期负荷预测的数学模型。在BP神经网络的建模过程中,首先对数据进行预处理,包括采用横向对比法和纵向对比法对异常数据进行修正,以及对数据进行归一化处理,随后采用非线性阻尼最小二乘法对学习算法进行优化。训练过程中,网络采用数据循环输入的方法以提高样本的利用率及网络训练的效率,并在合理的取值范围内选取多组网络参数,将训练效果最好的一组应用到模型中去。Elman神经网络是典型的动态网络,它是在BP神经网络基本结构的基础上,增加一个承接层来存储内部状态,从而使系统具有适应时变特性的能力。本文在Elman神经网络建模过程中,分别从网络算法、激励函数及网络结构等方面对模型进行优化,以提高网络的收敛速度和预测精度。仿真过程中,以上两个数学模型均采用相同的数据样本进行短期电力负荷预测,通过预测误差及预测精度间的对比得出结论,Elman神经网络模型的预测效果优于BP神经网络模型。
【关键词】：短期电力负荷预测 神经网络 数学模型 预测精度
【学位授予单位】：宁夏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP183
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第一章 绪论7-13
• 1.1 研究背景及意义7-8
• 1.1.1 研究背景7
• 1.1.2 研究意义7-8
• 1.2 国内外研究现状8-9
• 1.2.1 国内研究现状8
• 1.2.2 国外研究现状8-9
• 1.3 负荷预测主要方法分析9-11
• 1.3.1 传统预测方法9-10
• 1.3.2 现代预测方法10-11
• 1.4 本文的主要工作11-13
• 第二章 电力负荷预测研究13-19
• 2.1 电力负荷的分类13-14
• 2.2 电力负荷预测概述14-15
• 2.3 电力负荷预测的特点15
• 2.4 电力负荷预测的基本原理15-16
• 2.5 电力负荷预测基本流程16-18
• 2.6 本章小结18-19
• 第三章 人工神经网络19-25
• 3.1 人工神经网络概述19
• 3.2 人工神经网络的基本特点19-20
• 3.3 人工神经网络结构20
• 3.4 人工神经网络的激励函数20-21
• 3.5 人工神经网络的模型分类21-23
• 3.6 人工神经网络的学习规则23-24
• 3.7 本章小结24-25
• 第四章 基于BP神经网络的短期电力负荷预测25-42
• 4.1 BP神经网络概述25-26
• 4.2 BP神经网络的网络结构26-27
• 4.3 BP神经网络的学习算法27-30
• 4.3.1 信号正向传播27
• 4.3.2 误差反向传播27-28
• 4.3.3 学习算法的基本优化方法28-30
• 4.4 基于BP神经网络预测模型的建立30-37
• 4.4.1 数据的预处理30-31
• 4.4.2 选取网络结构31-33
• 4.4.3 选取学习参数33-34
• 4.4.4 改进学习算法34-37
• 4.5 算例分析37-41
• 4.6 本章小结41-42
• 第五章 基于Elman神经网络的短期电力负荷预测42-52
• 5.1 Elman神经网络基本原理42-43
• 5.2 Elman神经网络的网络结构43-44
• 5.3 Elman神经网络算法44-45
• 5.4 基于Elman神经网络预测模型的建立45-47
• 5.4.1 数据的预处理45-46
• 5.4.2 改进学习算法46
• 5.4.3 改进激励函数46-47
• 5.4.4 选取网络结构47
• 5.5 算例分析47-49
• 5.6 BP神经网络和Elman神经网络预测结果对比49-51
• 5.7 本章小结51-52
• 第六章 结论与展望52-53
• 参考文献53-55
• 致谢55-56
• 个人简历56

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

本文编号：849486