大型钢铁企业电力负荷短期预测的研究

《大型钢铁企业电力负荷短期预测的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文大型钢铁企业电力负荷短期预测的研究姓名：史新祁申请学位级别：硕士专业：控制理论与控制工程指导教师：杜秀华2003.1.1大型钢铁企业电力负荷短期预测的研究摘要电力负荷短期预测对于大型钢铁企业电力系统安全和经济运行具有重要的意义随着负荷预测研究的不断发展人们提出了许多成熟的负荷预测模型但在针对不同系统的实际应用中还有存在着许多的问题有待进一步研究本文根据某大型钢铁企业电力负荷的历史数据深入研究了大型钢铁企业电力负荷的特点并对目前比较成熟的多种短期负荷预测算法和预测模型进行了分析和比较在对BP神经网络短期负荷预测模型及其改进算法展开了详细讨论的基础上本文提出了针对大型钢

2、铁企业电力负荷特点的人工神经网络和小波变换相结合的短期负荷预测模型大型钢铁企业中大容量冲击负荷对于生产和系统供电有很大影响并且冲击负荷本身又具有很大的随机性加上生产计划等因素的影响总体电力负荷的特性十分复杂人工神经网络短期负荷预测模型较好地反映出了大型钢铁企业电力负荷的基本特性但由于整体负荷特性的复杂性神经网络识别出来的负荷模式与实际负荷模式之间存在着差异导致在某些时间点预测误差相对较大为了解决这一问题本文提出了人工神经网络与小波变换相结合用于大型钢铁企业的电力负荷短期预测模型其基本思想是利用小波变换的特征提取能力采用合适的小波基将总体电力负荷按照变化特性分解为近似分量和细节分量然后对负荷

3、特性相对一致的各分量分别建立神经网络预测模型进行预测最后通过对各分量的预测结果进行重构即可得到整体负荷预测结果实例计算结果表明人工神经网络与小波变换相结合的模型应用于大型钢铁企业电力负荷短期预测时很好地反映出电力负荷的变化情况其预测精度令人满意本课题的研究成果有很好的应用前景对于提高大型钢铁企业能源系统的管理水平和提高企业竞争力具有重要的意义关键词负荷预测钢铁企业数据处理人工神经网络小波变换RESEARCHONSHORTTERMLOADFORECASTINGINLARGE-SCALESTEELENTERPRISEABSTRACTShorttermloadforecastingisimpor

4、tanttothesafelyandeconomicallyrunningofelectricalsysteminlarge-scalesteelenterprise.Variousmatureloadforecastingmodelshavebeenproposedwiththedevelopmentoftheresearchonloadforecasting.Thecharacteristicsoflarge-scalesteelenterprisehavebeenresearchinthispaperbyanalyzingthehistoricalloaddataoflarge-sc

5、alesteelenterprise,meanwhile,severalshorttermloadforecastingalgorithmsandforecastingmodelshavebeenanalyzedandsummarized.BasedonthedetaileddiscussionofBPneuralnetworkshorttermloadforecastingmodelanditsupdatedalgorithm,anapproachforshorttermloadforecastingisproposedinthispaper.Highcapacityshockloada

6、ffectsthemanufacturingandsystempowersupplygreatlyinlarge-scalesteelenterprise.Thecharacteristicsofthetotalloadareverycomplicatedduetotherandomicityofshockloadandtheeffectsoffactorslikemanufacturingschedule.TheANNshorttermloadforecastingmodelreflectsthebasiccharacteristicofelectricalloadinlarge-sca

7、lesteelenterprisewell,butwhentheloadpatternrecognizedbytheANNisdifferentwiththeactualloadpattern,theforecastingerrorwillberelativelyhighbecauseofthecomplexityofcharacteristicsofthetotalload.Inordertoworkoutthispr