欢迎来到天天文库
浏览记录
ID:34876704
大小:4.83 MB
页数:71页
时间:2019-03-13
《基于神经网络的电力系统负荷预测及分配研究》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、、署、、咬^齐齐哈尔大学QIQIHARUNIVERSITY专业硕±学位论文基于神经网络的电力系统负荷预测及分配研究学科专业:控制工程作者姓名:崔少杰指导教师V明:巧论文提交日期:2015年4月23日论文答辩日期:2015年6月14日答辩委员会主席:蔡绍滨论文评阅人:薛萍罗耀华齐齐哈尔大学学位论文版权使用授权书本人完全了解学校有关学位论文知识产权的规定,在校攻读学位期间论文工作的知识产权属于齐齐哈尔大学,允许论文被查阅和借陶。学校有权保留论文并向国家有关部口
2、或机构遊交论文的复印件和电子版,可W将本学位论文的全部或部分内容编入有关数提库进行检索,可(采用影印、缩印、或担描等复制手段保存和汇编本学位论文。学位论文题目:基于神经网络的电为系统负荷预测及分配研究作者签杂:鞋少日期:如1与年/月斯日导师签名:明日期:20!;年《月jo日齐齐哈尔大学学位论文独创性声明作者郑重声明:所呈交的学位论文,是本人在导师的指导下进行研究工作所取得的成果。尽我所知,除文中已经注明引用内容和致谢的地方外,本论文不包含其他个人或集体己经发表的巧究成果,也不包含其他已申请学位或
3、其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均氏在论文中做了明确的说明并表示了谢意。若有不实之处,木人愿意承担相关法律责任。学位论文題目:基于神经网络的电力系统负荷预测及分配研究作者搔名:裤^走、日期:必is年/月茲日3齐齐哈尔大学硕士学位论文摘要电力管理系统的一项重要工作就是对电力负荷进行预测,负荷预测会直接影响电力的调度和生产,是电力系统发电、检修和电价报价的重要依据,预测结果的准确度与电力部门的经济效益有着紧密的联系。近年来社会生产力迅速发展,信息化建设得到了推进,电力市场的供需矛盾逐渐显现出来,对电
4、力负荷预测的准确度有了更高的要求,因此建立有效地预测方法模型来解决这一问题显得尤为重要。电力系统负荷与诸多影响因素呈动态特性关系,这种关系具有多变量、强耦合性、严重非线性等特点。电力负荷预测系统采用Elman递归人工神经网络,可以更加有效地反映系统的动态特性,从而有效地克服传统预测方法预测精确度不高的缺点。本文利用基于扩展卡尔曼滤波训练的Elman神经网络模型进行负荷预测并利用MATLAB进行预测仿真,最后将EKF-Elman神经网络模型与Elman神经网络模型以及EKF-RBF网络模型的预测结果进行比较和分析。仿真实验证明了EKF-Elman
5、神经网络模型具有良好的动态特性、较快的训练速度、高精度等特点因此基于扩展卡尔曼滤波训练的Elman神经网络模型是一种新颖、实用的负荷预测方法。在电力系统中,经济负荷分配问题是一个重要的组合优化问题。在ELD问题中,习惯上将每一台发电机的费用函数用一个二次函数近似表示。实际生产中会出现阀点效应,在此情况下将发电厂的发电成本函数用一个分段二次函数表示。随着燃料成本的上升,为发电机建立一个好的生产费用模型显得尤为重要。迟滞噪声混沌神经网络模型(HystereticNoisyChaoticNeuralNetwork,HNCNN)已经被证明是解决组合优化
6、问题的有力工具,其优点是在没有引入额外的系统参数条件下就能同时具有随机噪声模拟退火(StochasticChaoticSimulatedAnnealing,SCSA)和迟滞动力学,提高了最优和次优解的有效收敛特性。考虑到HNCNN有极好的优化性能,本文将应用HNCNN模型来解决电力系统负荷分配问题。此外,在仿真实验中网损、阀点效应也被考虑在内。仿真结果以及与其他算法的比较分析表明HNCNN在解决电力系统负荷分配问题上具有高效性。关键词:经济负荷分配;迟滞噪声混沌神经网络;Elman神经网络;负荷预测-I-基于神经网络的电力系统负荷预测及分配研究
7、ElectricLoadForecastandEconomicLoadDispatchBasedonNeuralNetworksAbstractLoadforecastingisoneimportantworkofthepowermanagementsystem,itimpactsdirectlyonthepowerdispatchandsafety,andprovidethebasisforpowersystemgeneration,maintenanceplans,andpricequotes.Accuracyoftheforecastin
8、gresultiscloselylinkedwiththeeconomicbenefitsofthepowersectors.Asthesupplya
此文档下载收益归作者所有