基于人工神经网络的电力系统短期负荷预测的应用分析

《基于人工神经网络的电力系统短期负荷预测的应用分析》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、华北电／。大学硕七学位论文摘要负荷预测是指在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法，在满足一定精度要求的意义下，确定未来某特定时刻的负荷数值。精确的负荷预测，尤其是短期负荷预测对电力系统的生产安排、经济调度和安全运行都起着十分重要的作用。本文采用人工神经网络(ANN)的预测方法对负荷进行预测，该方法吸收了神经网络非线性逼近能力的优点，具有强大的模式识别能力、良好的自适应性、自组织性和容错性以及较强的学习、记忆、联想、识别能力等，适于解决时间序列预报问

2、题。在实际预测中，该预测方法取得了较高的预测精度。模型的建立和实现是在MATLAB7．6．0环境中编程实现的，充分发挥了MATLAB产品长于数值计算、高效方便地处理大量的数据以及复杂矩阵和数组运算的特点，应用了产品中优秀的神经网络工具箱，编程简单，使用方便。本文针对神经网络应用于电力系统短期负荷预测(分季节模型)做了相应的研究，其中包括历史数据的处理、样本个数对网络的影响、神经网络隐含层节点数的选取以及对气象条件敏感性的分析等。综合考虑多种因素影响，最终取得了较好的预测结果。关键词：电力系统；短期负荷预测；人工神经网络；分季节模

3、型华北屯力大学硕七学位论文AbstractTheloadforecastreferstosomeofthemostimportantconsiderationinoperatingsystemcharacteristics，decision-making,naturalconditionsandtheincrementofsocialimpactconditions，oruseasystemtodealwiththepastandthefutureoftheload，whilesatisfyingthemathematicalm

4、ethod，therequirementofaccuracyunderthemeaningofaparticularmomentoffutureloadvalue．Preciseloadforecasting，especiallyforshort—termloadforecastingofpowersystem，economicdispatchandarrangeproductionsafetyoperationplaysaveryimportantrole．Basedonartificialneuralnetwork(ANN)

5、forecastmethodofloadforecasting,thismethodhasaneuralnetworknonlinearapproximateabsorptionability,strongabilityofpatternrecognition,goodM印tability,self-organizingandfaulttoleranceandstrongerleaming，memory,lenovo，recognizingability,suitablefortimeseriespredictionproble

6、msolving．Inpractice，theforecastmethodofforecastinghashighprecision．ThemodelestablishmentandtherealizationareprogramtherealizationintheMATLAB7．6．0environment，displayedtheMATLABproducttoexcelinthevaluecomputation，convenientlytoprocessthemassivedataaswellasthecomplexmat

7、rixandthearrayoperationcharacteristichighlyeffectivefully,appliedintheproducttheoutstandingneuralnetworktoolbox，theprogramminghasbeensimple，easytooperate．Basedonneuralnetworkisappliedtopowersystemshort-termloadforecastingmodel(points)aseasonofresearch，includingthehis

8、toricaldataprocessing，thenumberofsamplesofnetworkeffect，theneuralnetworkhiddennodesontheselectionandmeteorologicalconditionsofsensi