人工智能方法在电力系统短期负荷预测中的研究

发布时间：2021-02-13 23:43

　　本文首先分析比较了电力系统短期负荷预测的传统方法时间序列法和回归方法以及最近的专家系统和神经网络技术的优点和不足，然后针对人工神经网络BP算法的不足对其进行了改进，采用了基于拟牛顿的自适应算法，它提高了网络学习效率，具有较快的收敛速度和较高的精度。接着提出了改进的遗传算法来改善神经网络的局部收敛性。文中利用神经网络和遗传算法的优点，建立了一种神经网络和遗传算法相结合的模型来进行电力系统的短期负荷预测。在对负荷变化规律分析的基础上提出了按日期类型分开建模的24小时预测模型，并对天气因素进行了有效处理。建立了具有灵活友好的用户界面和较完善功能的负荷预测软件。实例表明，人工神经网络和遗传算法相结合的模型在实际应用中有令人满意的预测效果。 

【文章来源】：辽宁工程技术大学辽宁省

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
第一章 绪论
    §1.1 引言
    §1.2 短期负荷预测变化规律及特点
    §1.3 短期负荷预测的研究概况
第二章 人工神经网络
    §2.1 人工神经网络概述
    §2.2 神经网络基本原理
    §2.3 BP神经网络
    §2.4 BP算法存在的问题
    §2.5 拟牛顿自适应法
第三章 遗传算法
    §3.1 遗传算法概况
    §3.2 遗传算法
    §3.3 遗传算法的特点
    §3.4 遗传算法的设计和完善
第四章 遗传算法与神经网络相结合的预测模型
    §4.1 GA与ANN的结合模型
    §4.2 负荷分析及建立预测模型
    §4.3 天气处理和样本形成
    §4.4 滚动训练跟踪校正误差
    §4.5 负荷预测神经网络模型
    §4.6 人工智能负荷预测软件系统
第五章 算例分析和结论
    §5.1 算例
    §5.2 结论及进一步工作
致谢
参考文献



本文编号：3032762