bp神经网络对短期电力负荷的预测

《bp神经网络对短期电力负荷的预测》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、分类号:密级:UDC:单位代码:10078华北水利水电大学硕士学位论文BP神经网络对短期电力负荷的预测BPNEURALNETWORKTOPREDICTTHESHORT-TERMPOWERLOAD研究生姓名：殷晶指导教师：孙美凤教授专业名称：流体机械及工程所在学院：电力学院2014年5月万方数据万方数据独立完成与诚信声明本人郑重声明：所提交的学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的研究成果并撰写完成的。没有剽窃、抄袭等违反学术道德、学术规范的侵权行为。文中除已经标注引用的内容外，本学位论文中不包含其他人或集体已经发表或撰写过的研究成果，也不包含为获得华北水利水电大学或

2、其它教育机构的学位或证书所使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律后果由本人承担。学位论文作者签名：保证人（导师）签名：签字日期：签字日期：学位论文版权使用授权书本人完全了解华北水利水电大学有关保管、使用学位论文的规定。特授权华北水利水电大学可以将学位论文的全部或部分内容公开和编入有关数据库提供检索，并采用影印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文原件或复印件和电子文档。（涉密的学位论文在解密后应遵守此规定）学位论文作者签名：导师签名：签字日期：签字日期：万方

3、数据万方数据摘要BP神经网络对短期电力负荷的预测摘要随着社会的进步与发展，电力行业已经成为我国经济发展的重要支柱，然而电能不能大量保存，如果发出的电能大于负荷消耗，就容易造成能源的浪费和环境的污染，电力负荷预测可以对电力系统电能供需平衡提供指导，高精度的短期电力负荷预测能为电力系统稳定、经济运行提供重要支撑。截至目前，世界各国对电力负荷预测所采用的方法不尽相同，相对于传统的负荷预测方法，运用BP神经网络对电力负荷预测有其特有的优势，本文主要介绍了BP神经网络的发展历程以及其理论基础，理论上讲单隐层的BP神经网络能够逼近任意的非线性映射，所以大多数电力负荷预测采用单隐层模型，为了提高负荷

4、预测的精度，本文采用了含有双隐层的BP网络以及改进型BP网络，并利用石家庄市无极县的电力负荷历史数据，通过MATLAB建立不同的模型来分别实现电力负荷预测，并对输出结果进行对比与分析，得出相关结论。根据对电力负荷预测流程及输出结果的分析，综合考虑影响电力负荷的客观因素，在文章的最后给出了改善电力负荷预测的几点意见和建议，为提高电力负荷预测的精度提供了参考。关键词：BP神经网络；电力负荷预测；神经元节点；改进模型I万方数据华北水利水电大学硕士学位论文II万方数据ABSTRACTBPNEURALNETWORKTOPREDICTTHESHORT-TERMPOWERLOADABSTRACTWi

5、thsocialprogressanddevelopment,thepowerindustryhasbecomeanimportantpillarofChineseeconomicdevelopment,howeverelectricpowercannotbekeptlargely,iftheemittedpowerenergyisgreaterthanthecostoftheloadwillcauseenergywasteandpollutionoftheenvironmenteasily.Electricloadforecastcanprovideguidanceonelectri

6、cpowersupplyanddemandbalanceespeciallyhighprecisionofshorttermloadforecastcansupportpowersystemstabilityandeconomicoperation.Ascurrently,methodsadoptedbycountriesintheworldonthepowerloadforecastingisnotthesame.Comparedwithtraditionalloadforecastmethod,usingBPneuralnetworkonpowerloadforecasthasit

7、suniqueofadvantage.ThispapermainlyintroducesthedevelopmentofBPneuralnetworkanditstheory.Theoretically,BPneuralnetworkofContainingasinglehiddenlayercanapproximationarbitraryofnonlinearmap,somostpowerloadforecastusedsinglehidd