基于蚁群算法优化神经网络的包头地区中长期电力负荷预测

基于蚁群算法优化神经网络的包头地区中长期电力负荷预测

ID:36544677

大小:5.12 MB

页数:64页

时间:2019-05-11

基于蚁群算法优化神经网络的包头地区中长期电力负荷预测_第1页
基于蚁群算法优化神经网络的包头地区中长期电力负荷预测_第2页
基于蚁群算法优化神经网络的包头地区中长期电力负荷预测_第3页
基于蚁群算法优化神经网络的包头地区中长期电力负荷预测_第4页
基于蚁群算法优化神经网络的包头地区中长期电力负荷预测_第5页
资源描述:

《基于蚁群算法优化神经网络的包头地区中长期电力负荷预测》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、国内图书分类号:F224国际图书分类号:621.3硕士学位论文学校代码:10079密级:公开基于蚁群算法优化神经网络的包头地区中长期电力负荷预测硕士研究生:郝晶导师:孙薇企业导师:阮翠萍申请学位:工程硕士专业领域:工业工程所在学院:经济管理学院答辩日期:2013年6月8日授予学位单位:华北电力大学ClassifiedIndex:F224U.D.C:005.31ThesisfortheMasterDegreeMid—LongTermPowerLoadForecastingofBaotouAreaBasedonNeuralNetworkOptimizedb

2、yAntColonyAlgorithmCandidate;Supervisor:School:DateofDefence:Degree-Conferring-Institution:Prof.SunW萌NorthChinaElectricPowerUniversity2013.JuneNorthChinaElectricPowerUniversity华北电力大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《基于蚁群算法优化神经网络的包头地区中长期电力负荷预测》,是本人在导师指导下,在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成

3、果。据本人所知,论文中除己注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:韶、髭日期:2别弓年∥月2牛日华北电力大学硕士学位论文使用授权书《基于蚁群算法优化神经网络的包头地区中长期电力负荷预测》系本人在华北电力大学攻读硕士学位期问在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允

4、许论文被查阅和借阅。本人授权华北电力大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“4”):保密口,在年解密后适用本授权书不保长∥作者签名:导师签名:就口锄纷。翻纠书日期:如f与年厂月)尹日日期:bf≥年石月≥够日摘要电力负荷预测是电力系统安全经济规划、调度、设计研究的必要和前提。准确的负荷预测,不仅能够帮助电力部门有效合理的制定发配电计划,还能够帮助电力部门减少能源浪费,从而降低发电成本,提高企业的经济效益和社会效益。中长期电力负荷预测是指5年左右或10年以上的负荷预测工作,它是电网

5、规划的重要基础,其预测精度的好坏直接影响到电网规划工作的优劣,因此,电力负荷预测精度的提高是目前众多研究者努力探寻的目标。目前,用于电力负荷预测的方法有很多种,且每种预测方法都有自己的适用范围,很难应用于全部的预测情况。因此,我们必须根据具体的负荷预测特点,找出对应的预测方法。这就要求我们对负荷特性等方面进行充分的认识和分析,并且能够总结出影响电力负荷预测的主要影响因素,最后再按照根据具体的负荷预测特性选择合适的预测方法,对历史数据进行计算处理,最终获得理想的预测精度。本文系统的对目前用于电力负荷预测的方法进行了总结分析,并概述了当前电力负荷预测的特性

6、、原理及步骤。在对电力负荷特性的规律及影响电力负荷预测的各种因素充分分析基础上,本文提出了基于蚁群算法优化BP神经网络的电力负荷预测模型;在分别对蚁群算法和BP神经网络充分介绍认识后,根据包头地区的电力负荷预测的实际情况,建立了基于蚁群算法优化BP神经网络的电力负荷预测模型,并利用相关分析法确定出网络的输入向量和输出向量。最后,本文利用蚁群算法优化BP神经网络预测模型对包头地区的电力负荷进行预测分析,并与优化前BP神经网络模型的预测值进行对比分析,结果表明:蚁群优化后的BP神经网络的预测精度要高于优化前BP神经网络模型的预测精度,说明蚁群算法优化的BP

7、神经网络预测模型更加适合于该地区的电力负荷预测工作。关键词:电力负荷预测:BP神经网络:蚁群算法;预测精度ABSTRACTABSTRACTThepowerloadforecastingisanimportantpremiseofpowersystemsecurity,economicplanning,schedulinganddesign.Accurateloadforecasting,notonlytohelptheelectricitysectortoformulatetheeffectiveandrationalplanningofpowerge

8、nerationanddistribution,butalsoCanhelpreduceene

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。