基于BP神经网络的短期电力负荷预测的研究

发布时间：2017-10-02 16:26

  本文关键词：基于BP神经网络的短期电力负荷预测的研究

  更多相关文章： 负荷预测 BP神经网络 改进BP算法 气象因素 实时气象因素

【摘要】：电力行业是关系国家社会经济发展,关乎国家民生的一个重要基础性行业。电力系统的短期电力负荷预测是电网管理系统中的一个重要组成部分,是规划电网结构、营销、交易、安排调度计划及交易计划的前提和基础。预测精度的高低直接关系到电网能否安全、稳定、经济运行。随着社会经济的不断发展,人们对生活质量要求的提高,大量的降温取暖设备的应用使得负荷受气象因素的影响越来越大,因此气象越来越成为负荷预测中人们的关注点。本文以深圳市负荷为例对短期电力负荷预测的问题进行研究。对深圳负荷特性进行了分析,总结出负荷具有年周期性、周周期性、日周期性以及节假日特性。依据这些特性,可以对负荷做出合理预测。之后又对电力负荷预测的分类、影响负荷变化的因素、负荷预测的步骤以及误差分析等问题进行了研究。建立了考虑日特征相关因素的BP神经网络负荷预测模型,并分别用标准BP算法以及三种改进的BP算法(自适应BP算法、弹性梯度下降法以及L-M法)对深圳市负荷进行预测,通过对比分析,得到L-M法是训练最快也是预测精度最高的一种算法。建立了不考虑日特征相关因素的BP神经网络预测模型,用L-M法对深圳市负荷做出预测,与之前预测进行对比分析,其精度很差;对深圳市夏季7月份负荷用考虑日特征相关因素的预测模型做出预测,分析结果发现,预测精度偏低,为解决此问题,建立了考虑实时气象因素的预测模型,精度得到很大提高。
【关键词】：负荷预测 BP神经网络 改进BP算法 气象因素 实时气象因素
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM715
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-15
• 1.1 课题的研究背景及意义8-9
• 1.2 国内外研究现状9-13
• 1.2.1 电力负荷预测方法研究9-11
• 1.2.2 气象因素在负荷预测中的应用11-12
• 1.2.3 国内外研究现状分析12-13
• 1.3 课题的主要研究内容13-15
• 第2章 电力负荷预测分析15-23
• 2.1 引言15
• 2.2 深圳市负荷特性分析15-18
• 2.2.1 负荷的年周期性15-16
• 2.2.2 负荷的周周期性16-17
• 2.2.3 负荷的日周期性17
• 2.2.4 负荷的节假日特性17-18
• 2.3 电力负荷预测分类18-19
• 2.4 电力负荷的影响因素19-20
• 2.5 负荷预测的基本步骤和误差分析20-22
• 2.5.1 负荷预测的基本步骤20-21
• 2.5.2 误差分析21-22
• 2.6 本章小结22-23
• 第3章BP神经网络模型建立及预测23-37
• 3.1 引言23
• 3.2 BP神经网络模型23-28
• 3.2.1 BP神经网络结构23-25
• 3.2.2 BP神经网络的学习算法25-28
• 3.3 BP神经网络法短期电力负荷预测28-34
• 3.3.1 历史数据的选取及预处理28-30
• 3.3.2 样本数据的归一化及量化处理30-32
• 3.3.3 网络的拓扑结构32-34
• 3.4 以深圳市负荷为例进行预测分析34-36
• 3.5 本章小结36-37
• 第4章 改进BP神经网络的短期负荷预测37-50
• 4.1 引言37
• 4.2 标准BP算法的优缺点及改进37-41
• 4.2.1 标准BP算法的优缺点37-38
• 4.2.2 BP算法的改进38-41
• 4.3 以深圳负荷为例进行预测分析41-49
• 4.3.1 改进BP算法的工作日负荷预测41-47
• 4.3.2 改进算法的预测效果比较47-48
• 4.3.3 对休息日负荷进行预测48-49
• 4.4 本章小结49-50
• 第5章 气象因素对负荷预测的影响分析50-59
• 5.1 引言50
• 5.2 不考虑日特征气象因素的预测分析50-54
• 5.2.1 对工作日的训练结果与误差分析50-52
• 5.2.2 对休息日的训练结果和误差分析52-54
• 5.3 基于实时气象因素的短期负荷预测54-58
• 5.3.1 对7月份负荷进行预测54-55
• 5.3.2 考虑实时气象因素的短期负荷预测55-58
• 5.4 本章小结58-59
• 结论59-60
• 参考文献60-64
• 致谢64

【参考文献】

中国期刊全文数据库 前5条

1 陈伟;周峰;韩新阳;单葆国;;国家电网负荷特性分析研究[J];电力技术经济;2008年04期

2 陈刚;周杰;张雪君;张忠静;;基于BP与RBF级联神经网络的日负荷预测[J];电网技术;2009年12期

3 廖峰;徐聪颖;姚建刚;蔡剑彪;陈素玲;;常德地区负荷特性及其影响因素分析[J];电网技术;2012年07期

4 牛成林,于希宁,李建强;专家系统在电力预测负荷中的应用[J];仪器仪表用户;2005年04期

5 林扬宇;易_";陈彬;包宇庆;;考虑气象因素和日期类型的短期负荷预测[J];计算机仿真;2014年03期

，

本文编号：960645