基于改进神经网络算法的智能电网短期负荷预测

发布时间：2017-11-02 18:33

  本文关键词：基于改进神经网络算法的智能电网短期负荷预测

  更多相关文章： 实时电价 主成分分析 遗传算法 BP神经网络 短期负荷预测

【摘要】：智能电网为建立了节约、无污染、安全可靠的自愈电网结构提供了方向。智能电网的研究利用已经成为欧美国家以及中国的发展战略,许多国家在智能电网的研究领域都取得了一定的成果。电力系统短期负荷预测是电力系统调度部门制定发电计划的依据,是市场环境下编排调度计划、供电计划、交易计划的基础。短期负荷预测指的是周、日、小时等等短时间内的负荷预测,根据预测的负荷曲线的变化,可以提出各发电厂的日发电计划。风能、太阳能这些可再生能源的并网发电,是智能电网的结构的重要组成部分。在智能电网的情况下,用户的消费模式将是显着的变化的,这一个显着的变化是,用户可以调整他们的消费模式在实时电价的基础上根据电能的需求。为了在智能电网环境下提高短期电力负荷预测的精度,本文提出了一种考虑实时电价影响的基于主成分分(Principal Component Analysis)遗传算法优化神经网络的短期符合预测。首先,在负荷预测研究中主要的是建立模型,本文参考了多方面的因素比如节假日、温度等等建立了模型。其次,主成分分析主要运用了降低维数的原理,当矩阵的维数降低了这样可以减少运算量,而且降低维数后的矩阵也包含了原矩阵的信息。再次,由于神经网络算法在运算过程中容易陷入局部极小点,这样就选择了运用遗传算法对其进行优化,去除其这个缺点。最后,利用神经网络的高度非线性的优点以及遗传算法对神经网络进行了优化和PCA降低维数原理通过Matlab仿真训练得到预测结果。实验说明,该方法具有较高的负荷预测精度。
【关键词】：实时电价 主成分分析 遗传算法 BP神经网络 短期负荷预测
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP183
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 课题研究的背景及意义10-11
• 1.2 负荷预测11-12
• 1.2.1 负荷预测的基本概念11-12
• 1.2.2 负荷预测的因素12
• 1.3 国内外研究现状12-13
• 1.3.1 传统的负荷预测研究方法12-13
• 1.3.2 基于智能电网的负荷预测的研究现状13
• 1.4 课题研究内容13-15
• 第2章 电力系统的负荷预测15-19
• 2.1 负荷预测的分类15
• 2.2 负荷预测的特点15
• 2.3 短期负荷预测的影响因素15-16
• 2.3.1 气象条件16
• 2.3.2 节假日16
• 2.3.3 紧急情况16
• 2.4 负荷预测的步骤16-17
• 2.5 负荷预测误差分析17-18
• 2.5.1 误差产生的原因17
• 2.5.2 几种误差分析方法17-18
• 2.6 本章小结18-19
• 第3章 遗传优化BP神经网络算法的改进19-31
• 3.1 主成份分析法19-20
• 3.1.1 主成份分析法的原理19
• 3.1.2 主成分分析法的主要步骤19-20
• 3.2 遗传算法20-22
• 3.2.1 遗传算法的优缺点20-21
• 3.2.2 遗传算法的运算过程21-22
• 3.3 神经网络22-23
• 3.3.1 神经网络的基本概念和原理22-23
• 3.3.2 神经网络的发展和应用23
• 3.3.3 神经网络求解问题过程23
• 3.4 BP神经网络23-25
• 3.4.1 BP神经网络的训练步骤24-25
• 3.4.2 BP神经网络的缺点25
• 3.5 遗传算法和神经网络的结合25-28
• 3.6 遗传优化BP神经网络28-29
• 3.7 本章小结29-31
• 第4章 基于PCA的遗传优化BP网络的负荷预测31-43
• 4.1 模型的建立31-35
• 4.1.1 模型输入输出变量的选择31-33
• 4.1.2 数据归一化处理33-34
• 4.1.3 误差分析34-35
• 4.2 实例分析35-43
• 4.2.1 考虑实时电价的训练36-39
• 4.2.2 不考虑实时电价的训练39-43
• 结论43-44
• 参考文献44-48
• 附录48-49
• A.作者在攻读硕士学位期间发表的论文48-49
• 致谢49

【参考文献】

中国期刊全文数据库 前2条

1 余贻鑫;栾文鹏;;智能电网述评[J];中国电机工程学报;2009年34期

2 张文亮;刘壮志;王明俊;杨旭升;;智能电网的研究进展及发展趋势[J];电网技术;2009年13期

中国硕士学位论文全文数据库 前1条

1 孙超;独立运行的光伏系统的研究[D];南京航空航天大学;2009年

，

本文编号：1132682