基于人工和模糊神经网络的电力系统负荷预测

《基于人工和模糊神经网络的电力系统负荷预测》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、基于人工和模糊神经网络的电力系统负荷预测摘要本文在分析了电力系统负荷预测的意义和方法后，阐述了人工神经网络和模糊推理系统的一般理论，并研究了基于人工神经网络和模糊神经网络的两种负荷预测方法。在负荷预测中的神经网络方法中，采用两种途径来改进传统的BP神经网络。第一类包括使用启发式信息的技术，这些启发式技术包括可变的学习速度，使用动量和改变比例变量等。另-类是标准数值优化技术，主要包括共轭梯度算法和Levenberg-Marquardt算法等等。结果表明在训练相同次数的情况下改进后的神经网络性能较传统的BP神经网络有明显的提高。本文还研究了一种用于短期负荷预测的自适应模糊神经网络。该网

2、络集模糊推理、神经网络算法于一体，构成基于神经网络的模糊推理系统，又称模糊神经网络。结果显示在训练相同次数的情况下模糊神经网络性能较传统的BP神经网络有明显的提高。这两种方法为负荷预测开辟了新的途径，同时也为其理论在电力系统中的应用开拓了新思路，具有一定的理论研究价值和实际应用价值。关键词：短期负荷预测，人工神经网络，模糊推理系统，模糊神经网络基于人工和模糊神经网络的电力系统负荷预测英文摘要LoadForecastinginPowerSystemsBasedOllArtifidalandFuzzyNeuralNetworkABSTRACTAfteranalyzingthemeani

3、ngandmethodsofpowersystemloadforecasting，thepaperexplainsthegeneraitheoryandmeaningofartificialneuralnetwork(ANN)andfuzzyinferencesystem(FIS)，andstudiesloadforecastingmethodsbasedoilartificialneuralnetworkandfuzzyneuralnetwork(FNN)．Thepaperadoptstwowaystoimprovetraditionalartificialneuralnetwo

4、rk．Thefirstcategoryinvolvesthedevelopmentofheuristictechniqueswhichincludesuchideasasvaryingthelearningrate，usingmomentumandrescaiingvariables．AnothercategoryofresearchhasfocusedonstandardnumericaloptimizationtechniqueswhicharemainlytheconjugategradientalgorithmandtheLevenberg—Marquardtalgorit

5、hm．Theresultsshowthesemethodscangetbetterimprovementthantraditionalbackpropagationnetwork．Then，thepaperstudiesadaptivefuzzyneuralnetworkforshort_termloadforecasting．Thisnetworkcombinesfuzzyinferencesystemwithartificialneuralnetworkandformsfuzzyneurainetwork．Theresultsshowitcallalsogetbetterimp

6、rovementthantraditionalbackpropagationnetwork．Thetwomethodsgivenewwaysforloadforecastingandalsoailewthoughtforusingthem，andhavecertaintheoreticalandpracticalvalue．Writtenby：HuHongyu(PowerSystemandItsAutomation)Directedby：LiuAiguo(AssociateProfessor)Keywords：Short—termLoadForecasting，Artificial

7、NeuralNetwork，FuzzyInferenceSystem，FuzzyNeuralNetwork独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南昌大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名搠裳辱签字日期：珈f年∥月，z目