毕业设计 基于小波神经网络的电力负荷预测模型

《毕业设计 基于小波神经网络的电力负荷预测模型》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、华北科技学院毕业设计（论文）目录设计总说明1GENERALDESCRIPTIONOFTHEDESIGN31绪论61.1选题的目的和意义61.2本课题的研究现状71.3本文所做的工作92电力负荷与预测概述102.1电力负荷预测的含义102.2电力负荷预测的目的和意义112.3电力负荷预测的分类与特点112.3.1电力负荷预测的分类112.3.2电力负荷预测的特点132.4电力负荷预测的内容及程序142.4.1电力负荷预测的内容142.4.2电力负荷预测的程序152.5电力负荷预测的方法162.6电力负荷预测的误差分析指标163小波神经网络193.1人工神经网络概述193.1.1人工神

2、经元及其特性213.1.2人工神经网络模型233.1.3前馈网络的学习模型和学习规则243.2小波神经网络及其特点263.2.1小波分析的概念和特点263.2.2小波变换的定义273.2.3小波变换的特点293.2.4小波神经网络的提出293.2.5小波神经网络的学习算法30华北科技学院毕业设计（论文）3.2.6小波函数的选择323.2.7小波神经网络面临的挑战324MATLAB简介及M函数的建立344.1MATLAB简介344.2M文件的建立375电力负荷预测模型的设计405.1训练样本集的准备405.2网络模型结构设计425.2.1小波神经网络预测建模方法425.2.2小波神经

3、网络的层数425.2.3小波神经网络各层的神经元个数425.3小波神经网络初始学习速率的确定435.4小波神经网络期望误差的确定435.5网络的训练与测试436网络模型结构设计456.1时序预测模型456.1.1时序预测模型结构设计456.1.2时序预测模型程序456.2多元回归预测模型506.2.1数据的采集与处理506.2.2网络模型结构设计516.2.3程序设计516.2.4程序运行与预测51结论与展望55参考文献57附录A58附录B60附录C65致谢70华北科技学院毕业设计（论文）基于小波神经网络的电力负荷预测模型设计总说明电力系统短期负荷预测是指对未来一天到一周的负荷预测

4、，其中最典型的是对未来一天的日负荷曲线预测，也是本文研究的重点。短期负荷预测不仅是电力企业经济地安排电网发电机组的起停，合理制订机组检修计划，减少不必要的旋转储备容量，保证电网运行的安全稳定性的关键，同时也是建设电力市场，实现促进电网和供电企业参与市场竞争、提高电力行业经济效益和社会效益的基本工作内容。电力负荷预测就是要通过实际电力系统负荷特性的分析，结合实际运行情况，运用数学和计算机方面的知识，建立合理准确的数学模型，最终得出精准的预测结果。提高电力系统负荷预测的准确度既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。当前中短期电力负荷预测的大部分方法多衍生于传统的线性

5、统计理论，由于电力负荷序列的复杂性和不确定性，难以获得精确的预测负荷值。小波神经网络是建立在小波理论基础上的一种新型前馈神经网络，具有许多优良的特性。小波神经网络(以下简称小波网络)是结合小波变换理论与人工神经网络而构造的一种新的网络模型，它具有小波变换的时频局域化性质及神经网络的自学习功能，以及高度的非线性逼近能力和容错能力。短期负荷预测是负荷预测的重要组成部分，是电力系统运行调度中的重要内容。为更好地反映气象因素对负荷的影响及提高负荷预测的精度，构建了一种小波神经元网络负荷预测模型，以Meyer小波取代Sigmoid函数，采用误差反传学习算法来训练网络。小波神经网络WNN(Wa

6、veletNeuralNetwork)是结合小波理论和人工神经网络而提出的一种前馈型网络。小波神经网络有完善的理论基础，有希望解决传统人工神经网络中存在的一些问题，是目前研究的热点之一，已经被用于故障诊断、样本分类、函数逼近和预测等方面。本文在综述了国内外电力系统负荷预测的研究现状基础上，对近几年来发展迅速的与电力系统负荷预测相关的小波分析理论进行了研究。结合小波变换和傅立叶变换在分析月电力负荷频谱特性的基础上，来确定小波函数及原始序列的小波分解层数，给出了一种小波神经网络电力系统负荷预测方法。通过小波变换将负荷序列分解并重构到原始序列尺度上，得到与原始序列长度相同的不同频段子序列

7、，再对这些子序列分别采用BP神经网络预测，将子序列预测结果综合，得到最终的预测结果。该方法融合了小波分析良好的时频局部化特性和神经网络非线性第1页共70页华北科技学院毕业设计（论文）逼近的优点，具有较强的逼近和预测能力。通过实例验证，对于数据较少的月负荷序列，该方法与传统的方法相比具有很高的预测精度和较强的适应能力。通过对小波神经网络和BP神经网络的结构和算法进行理论分析，并对实际电力负荷预测算例进行对比研究，指出小波神经网络本身适合对波动性的信号进行预测，而且在神经