基于神经网络的大连地区短期电力负荷预测

《基于神经网络的大连地区短期电力负荷预测》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、专业学位硕士学位论文基于神经网络的大连地区短期电力负荷预测Short-termElectricLoadForecastingUsingNeuralNetworkforDalianDistrict学号：垒Q鱼!墨Q呈垒大连理工大学DalianUniversityofTechnology大连理工大学学位论文独创性声明㈣V241㈣51必33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已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本

2、研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：基王益经圆丝鲍太整地区复塑垫左鱼蕉亟测作者签名：壹坠鳘童日期：兰盟年!￡月j竖日火连理．J：人学专业学位硕士学位论文摘要电力系统短期负荷预测在调度安全中扮演着较重的角色，它确保了电力企业科学地、稳定地对电网进行控制，同时也是今后进行电网商业化运作所必备的基本条件。因此负荷预测精度的提高，建立性能优良的系统，在电力系统管理中起着很重要的作用。本文以大连地区短期电力负荷预测为背景，首先深入分析了国内外负荷预测技术的研究现状及发展趋势，讨论了电力系统短期负荷预测特性，尤

3、其是大连地区电网现状及负荷曲线的变化规律。然后针对大连地区电力负荷的特点及负荷预测的实际，在综合考虑诸如温度、日期类型和天气情况等影响负荷预测精度的众多因素之后，分别使用BP和RBF神经网络这2种模型对大连地区历史电力负荷数据进行了短期预测，并将两种模型的预测结果进行了对比分析。最后，选取性能优良的RBF神经网络与模糊控制算法组成混合模型，进行计算调整。文中构建了RBF神经网络和模糊控制相结合的短期负荷预测模型，在RBF神经网络对样本进行训练得到预测值之后，采用基于在线自调整因子的模糊控制器对预测误差进行智能修正，然后利用该混合模型在Matlab中进行24小时整点预测仿

4、真，与大连系统同F1数据做对比，看是否与实际负荷走势相吻合，以确保其性能的优良。本文的研究对大连供电公司调控部门、发策部门、营销部门有参考价值，有助于大连公司完成调度现代化的转型，可以做为供电公司的决策依据，有利于下一步工程实践的开展。关键词：电力系统；短期负荷预测；RBF神经网络；模糊控制基于神经网络的大连地区短期电力负荷预测Short—termElectricLoadForecastingUsingNeuralNetworkforDalianDistrictAbstractShot-TermLoadForecasting(STLF)hasplayedanimport

5、antroleintherunninganddispatchingofelectricpowersystem．Itisakeybasisforguaranteeingthesafeandeconomicaloperationofpowersystemandachievingthescientificmanagementanddispatchofpowergrid．Itisalsoabasiccontentforthecommercialoperationofpowergrid．Therefore，howtoestablishaloadforecastingmodelwi

6、thbetterperformanceandpredictionaccuracyhasbecomethefocusproblemofpowersystem．Inthecontextofshort-termelectricloadforecastingofDaliandistrict，wefirstanalyzedtheresearchstatusanddevelopmenttrendofloadforecastingtechniques，anddiscussedthecharacteristicsofloadforecasting，especiallythegridst

7、atusandchangingruleofloadcurvesinDaliandistrict．Then，accordingtotheactualloadcharacteristicsandloadforecastingskillsofDaliandistrict，andtakingintoaccountthefactorssuchastemperature，datetypesandweatherconditionswhichaffecttheaccuracyofloadforecasting，weestablishedtwoshort-