欢迎来到天天文库
浏览记录
ID:33674226
大小:342.11 KB
页数:49页
时间:2019-02-28
《模糊神经网络在短期负荷预测中的应用》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、华中科技大学硕士学位论文模糊神经网络在短期负荷预测中的应用姓名:张丽申请学位级别:硕士专业:系统分析与集成指导教师:王乘20050508摘要电力系统短期负荷预测是电力部门的一项重要工作它对合理安排机组启停确定燃料供应计划进行电力交易等都具有重要的意义因此短期负荷预测方法的研究一直为人们所重视根据以往电力系统短期负荷预测的方法本文对神经网络与模糊系统基本理论与方法进行了较深入细致地研究分别建立了基于神经网络和模糊神经网络的两种负荷预测模型在基于神经网络的负荷预测方法中首先对数据进行归一化处理然后分别采用附加动量法和L-
2、M规则修正的误差反向传播算法并对两种算法的计算速度和精度进行了比较最终采用预测效果较好的L-M规则修正的误差反向传播算法进行负荷预测基于模糊系统与神经网络的理论与方法本文提出了一种集模糊推理神经网络结构与学习算法于一体的模糊神经网络预测模型构成了基于神经网络的模糊推理系统本文提出了基于树型结构的模糊推理规则的抽取算法同时给出了模糊规则树的定义针对建模过程中出现的节点维数爆炸问题本文将模糊规则树林抽取算法应用到模糊神经网络的建模过程中大大减少了模糊神经网络中的节点个数降低了整个负荷预测模型的学习与预测复杂度提高了负荷预
3、测的效率最后通过对武汉地区1999年9月29日电力负荷进行的预测与实际负荷的比较证明基于模糊神经网络的负荷预测模型具有更好的预测精度而且整个模型更加简单且训练时间比较快关键词电力系统短期负荷预测人工神经网络模糊系统模糊神经网络IAbstractShort-termloadforecastisveryimportantforreasonableandeconomicarrangementoftheelectricalgeneratoroperation,decisionsofthefuelpurchaseplanand
4、thepowerexchange.Sothestudyofshort-termloadforecasthasbeenpaidenoughattentionsinthepastdecades.Ataimingsomeproblemsintheshort-termloadforecastofthepowersystem,thisthesisstudiescarefullyanddeeplythebasictheoryandmethodoftheArtificialNeuralNetwork(ANN)andfuzzysys
5、tem,andputsforwardtwoloadpredictionmodelsbasedontheArtificialNeuralNetwork(ANN)andFuzzyNeuralNetwork(FNN).IntheloadforecastmethodbasedontheANN,allloaddatashouldbenormalizedfirstly,andthenaccessionalmomentummethodarecomparedwithL-MBackPropagationalgorithmineffic
6、iencyandprecision,atlastL-MBackPropagationalgorithmiswinnerduetoitsbetterforecasteffect.Basedontheoryoffuzzyandartificialneuralnetwork,thisthesispresentsaforecastmodelwhichbasedonneuralnetworkcombinedwithfuzzyinferenceprinciples.Akindofrule-extractedalgorithmof
7、fuzzyinferenceisputforwardinthisthesis,andthedefinitionoffuzzyruletreeisgivenalso.Bythisalgorithm,theproblemofdimensionexplosioninmodelingprocesscanbeavoided,asaresultthenodenumberisdecreasedgreatlyandthecomplexityofloadforecastingmodelisreduced.Alsoitimprovest
8、heefficiencyofloadforecastmodel.Intheend,bycomparingtheloadforecastresultof30thinSeptemberinWuhanwithactualloaddata,theloadforecastmodelpresentedinthisthesisisprovedthatitha
此文档下载收益归作者所有