区级供电企业电力负荷预测方法的研究

《区级供电企业电力负荷预测方法的研究》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、华北电力大学硕士学位论文摘要电力负荷预测准确程度己成为衡量电力系统运行管理现代化的标志之一，电力系统的正确调度、规划和运行都离不开电力负荷预测，准确的负荷预测对电力系统的安全、可靠、经济运行起着十分重要的作用。本文分析了电力系统负荷预测各种方法的特点及适用范围，在研究人工神经网络和模糊理论的基础上，提出了一种将Elman神经网络与模糊理论相结合的短期负荷预测方法。方法对历史负荷数据进行了水平和垂直处理。重点研究了神经网络输入变量，因为它是影响预测效果的关键问题。神经网络的结构受输入变量的维数影响很大，本文将自相关函数的概

2、念应用到了神经网络模型输入变量的选择中。通过对历史负荷进行特性分析，并结合自相关理论及近大远小原则，对输入变量进行了选取。方法分别用BP神经网络、RBF神经网络和Elman神经网络建立了短期日负荷预测模型。通过大量仿真研究，对比预测结果，最终选定预测效果较好的Elman神经网络与模糊理论相结合建立组合预测模型。利用MATLAB仿真软件，对实际地区级供电企业进行了短期日负荷预测试验，结果表明，与单一的神经网络模型相比，该方法在一定程度上提高了预测精度，尤其在对周末和节假日的负荷预测问题上具有显著优势。关键字：电力系统；负荷

3、预测；神经网络；模糊理论华北电力大学硕j：学位论文Abstract髓eac铡憷eyofpowefload如reeasting董lasbe∞meoneof醢lesy激bolstomeas戳ethepowersyStemoperationmanagementmodemization．Thecorrectpowersystemscheduling，plaIlIlingandoperationareinseparable舶mtheelec细cpower10ad南豫cas￡i瓣g。Ae扰豫lel雠d受糙eas娃娃gplaySaVe

4、fyi礅po建融trolein搬ese娃埘劬reliability，a11deconomicoperationofpowersyStem．Inthispaper，theauthoranalysesthecharact嘶sticsandapplicablescopeoftheVadousmemodsofpower10adforecastfirStly，and也e娃onlhebasisof也es￡udyof瓣eural珏etworka瘫&zzy搬∞戮tlle翮氇orproposesashortt踟H1loadf．orecas

5、tingmodelwhichcombinedElmanneuralnet、№rkand允zzyt}leoryto．geth强Thenewme也odanalySesthe量listorical10addatai娃量lo矗zontalandVe砸calway，TheauthorinVestigatedtheinputV耐曲lesofneuralne研orkw11ichisthekeyproblemtoi珏鬟毽enee凌epr露ie娃one￡&e￡．bec甜sei{isimpo霞雒ttoselec￡勤reca蛾ng撒ode董．

6、弧ledimensionoftheinputvari￡lblesimpactsthestnlctureoftheneuralnetworkse—ously．Inthispaper，theauthorappliedtheconc印tofautocorrelation如nctionontheselectionofinpulVa纛两les。f谯掩ne氍al廷跌w确￡嚣潞遣越。Tko强醇磁蔹ysisG娃也e出瑟越砥s￡泌。fhistorjcalload，tlleauthorcombinedautocorrelationmncti

7、ontheo掣andc6scodlsmallprincipletoselectinputV撕ablesofneuralnetworkfIorecastingmodel．BPneuralne溆ork，RBFneufalnetwork勰dElm越薹leuralne觚orkafeallusedtoest如lis量lashOn-termdailyloadforecaStingmodel．nⅡ．oughalotofsimulationresearchanda∞n缴lstbetwe睨氇efeS毽ltsand斑epfedic娃。珏fe

8、s落ts，氇e嬲也oreo磁bineSE重manneufalnetworkwithmzzytheo掣toestablishacombinationforeeastingmodel。TheauthoruSedthesimulationsoRwaretodoashort-termloadforecastingtestin