资源描述：
《发电机组负荷预测模型的设计与实现论文》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、.毕业设计（论文）题目发电机组负荷预测模型的设计与实现...发电机组负荷预测模型的设计与实现摘要发电机组负荷预测是实现电力系统优化运行的基础，对于电力系统运行的安全性、可靠性和经济性都有显著影响。因此，寻求有效的负荷预报方法以提高预报精度具有重要意义。迄今为止，研究人员已经提出了许多有效的方法。本文应用目前较为流行的神经网络方法对发电机组负荷进行预报。本文采用神经网络预测模型,输入变量和确定神经网络结构的方法和算法,此方法的提出可以使得从历史样本知识数据到最终预测模型的建模过程变得简单明了,便于实际应用。通过去发电厂实际调研获得真实有效的数据，训练神经网
2、络，使得网络能够正确的预测出负荷变化的实际规律。同时也参考了发电厂的现用的预测方法对神经网络结构加以改善，使得网络结构趋于完善。最后总结了本文的主要研究工作与收获，提出了一些改进方案，并介绍了发电机组负荷预报的发展前景。关键词：发电机组、负荷预测、BP神经网络、DPS数据处理系统、预测模型...AbstractGeneratorloadforecastingisfoundationtoachieveoptimaloperationofpowersystem,ithassignificantimpactonthesecurity,reliabilityan
3、deconomyofpowersystemoperation.Therefore,seekingeffectiveloadforecastingmethodisofgreatsignificanceforimprovingforecastaccuracy.Sofar,researchershaveproposedmanyeffectivemethods.Thisarticlemorepopularneuralnetworkmethodisappliedtogeneratorloadforecastingatpresent.Inthispaper,usin
4、gtheneuralnetworkpredictionmodel,theinputvariablesandthedeterminingmethodofneuralnetworkstructureandalgorithm,thismethodcanmakeknowledgefromthehistoricalsampledatatothefinalforecastingmodelofthemodelingprocessbecomessimpleandclear,easytopracticalapplication.Throughtoobtainrealand
5、effectivepowerplantactualsurveydata,theneuralnetwork,enablesthenetworktocorrectlypredicttheactualruleofloadchange.Alsorefertothepowerofcurrentforecastmethodsofneuralnetworkstructuretoimprove,maketheperfectnetworkstructure.Finallysummarizesthemainresearchworkandtheharvest,putsforw
6、ardsomeimprovementscheme,andintroducesthedevelopmentprospectofgeneratorloadforecasts.Keywords:generator,loadforecasting,neuralnetwork,dataprocessingsystem,predictionmodel...目录第一章绪论11.1研究背景与意义11.1.1研究背景11.1.2研究意义11.1.3国内外研究现状21.2论文的主要研究内容31.3小结4第二章预测模型的设计方法52.1数据库原理与E-R图分析52.1.1数据
7、库系统的基本概念52.1.2.实体与属性之间的关系72.2预测方法和模型方法72.2.1负荷预测的常用方法简介72.2.2神经网络原理简介142.3小结19第三章发电机组负荷预测模型的设计203.1基础数据与处理203.1.1影响因素的列表与分析203.1.2负荷预测的E-R图213.2基于神经网络的算法设计223.2.1算法建模分析223.2.2确定算法网络模型233.3网络训练机制243.3.1输入、输出向量设计24...3.3.2输入数据的归一化处理273.3.3网络训练的确定293.4预测分析313.4.1预测信息313.4.2预测结果分析353
8、.5小结35第四章结论与展望364.1结论364.2展望374.3小结37致谢3
