资源描述：
《bp神经网络在电力系统负荷预报中的应用研究》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、BP神经网络在电力系统负荷预报中的应用目录目录1摘 要3ABSTRACT5前 言6第一章绪论71.1大脑神经细胞71.2神经网络的学习81.3本章小结8第二章人工神经网络92.1人工神经网络的研究历史92.2人工神经网络的研究意义102.3人工神经网络的能力特点122.4人工神经网络模型122.5本章小结13第三章基于神经网络的系统辨识143.1系统辨识的应用143.2神经网络在系统辨识中的应用143.3本章小结17第四章反向传播(BP)网络及其学习算法184.1BP网络的结构184.2.1BP网络学习算法194.2.2BP网络学习算法的比较194
2、.2.3BP网络的学习规则204.3BP网络设计技巧224.3.1输入和输出层的设计224.3.2隐层的设计224.4BP网络的不足及改进234.5本章小结23第五章BP网络在电力负荷预报中的应用以及MATLAB的仿真245.1BP网络在电力负荷预报中的应用245.1.1问题描述245.1.2输入/输出向量设计245.2基于BP网络电力负荷预测的MATLAB仿真265.2.1BP网络设计265.2.2网络训练275.3本章小结29结论3033BP神经网络在电力系统负荷预报中的应用附录31参考文献33后记3433BP神经网络在电力系统负荷预报中的应用
3、摘 要电力负荷的值是随天气，日期等因素变化的，有较大的随机性，因此预测时有很强的非线性要求。目前的预测方法是统计技术和专家系统法，除了其各自得弊端外，其非线性远远不如于神经网络。神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假定的能力。他不依靠专家经验，只利用观察到的数据，可以从训练过程中通过学习来抽取和逼近隐含的输入/输出非线性关系。近年来的研究表明，相对于前两种方法，利用神经网络技术进行电力系统短期负荷预报可获得更高的精度，这里采用的是BP神经网络对电力负荷进行预测,BP网络是神经网络中应用最为广泛的网络,由于它采用有导师的学
4、习算法,非常有利于实现预测功能。BP网络实际上可以看作一个非线性映射,因此,它在处理非线性的预测问题上与以往的线性预测方法有本质的优越性。关键词：电力负荷预测；BP神经网络；非线性预测33BP神经网络在电力系统负荷预报中的应用AbstractPowerloadvalueiswiththeweather,factorssuchasthedateofthechange,agreaterrandomness,Sotheforecastisahighlynonlinearrequirements.Thecurrentforecastisastatistic
5、altechniqueandexpertsystems,inadditiontoitsowndrawbacks,nonlinearfarworseintheneuralnetwork.Neuralnetworkisthatithasadvantagesoversimulationvariableswithouttheneedtoinputvariablessocomplicatedtheabilityoftheunderlyingassumptions.Hedidnotrelyontheexperienceofexperts,usingonlyob
6、serveddata,fromthetrainingprocessoflearningtotakeimplicitapproximationandtheinput/outputnonlinearrelationship.Inrecentyears,thestudyshows,comparedwiththefirsttwomethods,usingneuralnetworktechnologyforthepowersystemshort-termloadforecastswillbemoreaccurate,HereistheBPnetworkofe
7、lectricityloadforecasting,BPneuralnetworkisthemostextensiveapplicationofthegrid,asitadoptedatutoroflearningalgorithm,veryconducivetotherealizationofpredictionfunction.BPactuallycanbeseenasanonlinearmapping,therefore,Inthehandlingofnon-linearpredictiononthepreviouslinearpredict
8、ionmethodisthesuperiorityofnature.Keywords:Electricloadforeca
