基于时间序列和人工神经网络的电力系统短期负荷预测

《基于时间序列和人工神经网络的电力系统短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、分类号ＵＤＣ密级学位论文．Ｓ——ｈ——ｏ—ｒ——ｔＴｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｇｉｎＰｏｗｅｒＳｙｓｔｅｍｓＢａｓｅｄｏｎＴｉｍｅ．．ＳｅｒｉｅｓａｎｄＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ指导老师姓名：割爱国副夔援ｊ直昌太堂信息工程堂院申请学位级别：。亟±专业名称：鱼也丕缠区墓自动丝论文提交日期：２鲤鱼生量且：论文答辩日期：圣Ｑ竖生§且目学位授予单位和日期：直昌盍堂至Ｑ竖玺且目答辩委员会主席：：经鱼Ｉ主评阔人：垒金筮．必．．五ｊ睦磕生２００６年５月日摘要摘要电力受荷预测楚电力系统谎度、薅电、计愆、蕊划等臀穗部门豹蕊錾工俸之～

2、。准确的负荷预测，谢助于合理安排发电机组的起停，保持电网运行的安全稳定赣，减少不菇溪戆旋转褚器容曩，舍理安羲｝瓿爨竣掺诗划，专鼗蟪臻骶发宅疫本，提高经济效擒和社会效益。因此，负礴预测己成为实域电力系统管理现代化的鬣爱内容之一。疆蓉我国奄力攀鲎麴发展，受蘩颈测戈獒蹩短期受芬羰溺越来越受到重视。然丽，由于众多影响因素造成的复杂往和随机性使褥短期负衙预测没熊得到较好的解决。目前，阉内外电力系统艇期负荷预测的方法很多，比如时间Ｊ节列法、圊羯法、专家系统法、天工耱缀潮络法，毽稠蚕蠢撬竣点。健没毒一耱方法蕤臻涯任何情况都可以获得满意的预测结果，故撼蕊预测

3、精度一畿是人们致力研究的方向。本文蓥毙论述了短期受蓠颈溅熬意义巍蒸零疆瑾，在搽讨邀力短麓受饕弱普遍规律性的基础上，介绍了现有的几种负衙预测方法，并指明了他们的优缺点。然后分别对经典预测法中的随机时间序列法，以及现代最舆潜力的人工神经网络方法逶嚣了深入懿磷变。论文主要蕊缜７＂Ｂｏｘ－Ｊｅｎｋｉｎｓ弱ＡＲＩＭＡ线毪模黧颈溅夔基零思想及详细过程，研究ＴＢＰ人工神经劂络用予短期负荷预测时两临的关键问题及技术难点，诸如训练速度慢、容易陷入局部嫩小点等缺点。为了解决这魑瓣籁，零文提出了浚逡鹣ＢＰ冀法，在确定溺络灞练襻本瓣选器嚣键纯方法阚嚣提出了网络参数的

4、自适应更新策略。根据所史负荷数据，罄于上述思路构造两种方襞米预测江酾销的春季目贸凝。撬赢久工宰枣经鼹绔颈嚣精度懿关键在予委礁逢铎稔入褥簦变量。本文谈鬟受蒋构成躲随机漪阍序列自相燕系数来提取ＡＮＮ的特征输入，形成更客观的建模方法。通过与ＡＲＩＭＡ线性模烈预测结果及改进的ＡＮＮ横型预测结采的对比，证实联提方寨静蠹好瞧熊。关键锎：短期负搿预测射阍＿｝葶列ＡＲＩＭＡ线性模型人工神经剃络蠡稳关系数Ａ８Ｓ蟊ｔＡｅ｝ＡＢＳＴＲＡＣＴＥｌｅｃｔｒｉｃｐｏｗｅｒｓｙｓｔｅｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｉｓｏｎｅｏｆｉｍｐｏｒｔａｎｔｏｐｅｒａｔｉｏｎｓｉｎｄ

5、ｉｓｐａｔｃｈｉｎｇ，ｄｅｍａｎｄｉｎｇ，ｓｃｈｅｄｕｌｉｎｇａｎｄｐｌａｎｎｉｎｇｏｆｐｏｗｅｒｓｙｓｔｅｍｍａｎａｇｅｍｅｎｔｓｅｃｔｏｒｓ．Ａｃｃｕｒａｔｅｔｏａｄｆｏｒｅｃａｓｔｓｗｉｌｌｌｅａｄｔｏｅｃｏｎｏｍｉｃａｌａｎｄｒｅａｓｏｎａｂｌｅｓｃｈｅｄｕｌｉｎｇｏｆａｕｎｉｔｃｏｍｍｉｔｍｅｎｔ，ｍａｉｎｔａｉｎｉｎｇｓｅｃｕｒｉｔｙａｎｄｓｔａｂｉｌｉｔｙｏｆｐｏｗｅｒｎｅｔｗｏｒｋｏｐｅｒａｔｉｏｎｓ，ｄｅｃｒｅａｓｉｎｇｕｎｎｅｃｅｓｓａｒｙｓｐｉｎｎｉｎｇｒｅｓｅｒｖｅｓ，ｓｃｈｅｄｕｌｉｎｇｒｅａｓｏｎａｂｌｅｍａｉｎｔ

6、ｅｎａｎｃｅｐｌａｎ，ｒｅｄｕｃｉｎｇｇｅｎｅｒａｔｉｎｇｃｏｓｔｓｅｆｆｉｃｉｅｎｔｌｙａｎｄｉｍｐｒｏｖｉｎｇｅｆｆｉｃｉｅｎｃｙｏｆｅｃｏｎｏｍｉｃａｎｄｓｏｃｉｅｔｙ．ｗｉ也ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒｉｎｄｕｓｔｒｙ．ｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｉｓｐａｉｄｔｏｌｏａｄｆｏｒｅｃａｓｔｉｎｇ．ｅｓｐｅｃｉａｌｌｙｔｈｅｓｈｏｒｔ＊ｔｅｒｍＭａｄｆｏｒｅｃａｓｔｉｎｇ§Ｔ｛。玲；Ｈｏ＇ｗｅｖｅｆ，ｔｈｅｔｏａｄｃｏｍｐｌｅｘｉｔｙａｎｄｒａｎｄｏｍｉｃｉｔｙｃａｕｓｅｄｂｙｐｌｅｎｔｙｏｆｉｎ

7、ｆｌｕｅｎｃｅ（ａｆｆｅｃｔｉｏｎ）ｍａｋｅｉｔｖｅｒｙｄｉｆｆｉｃｕｌｔｔｏｂｅｓｏｌｖｅｄｗｅｌｌＴｈｅｒｅａｒｅｍａｎｙｍｅｔｈｏｄｓｆｏｒＳＴＬＦｉｎｔｈｅｗｏｒｄｎｏｗａｄａｙｓ，ｓｕｃｈａｓ，ｔｉｍｅｓｅｒｉｅｓｔｅｃｈｎｉｑｕｅ，ｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄ，ｅｘｐｅｒｔｓｙｓｔｅｍａｎｄａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ（ＡＮＮ）ｅｒｅ．Ｔｈｅｙｈａｖｅｔｈｅｉｒａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓ．Ｂｕｔｔｈｅｒｅｉｓｎ’ｔａｍｅｔｈｏｄｃａｎｏｂｔａｉｎｔｈｅｓａｔｉｓｆｉｅｄｆｏｒｅｃａｓ

8、ｔｉｎｇｒｅｓｕｌｔｓｏｎａｎｙｏｃｃａｓｉｏｎ，ｓｏｐｅｏｐｌｅｈａｖｅｂｅｅｎｒｅｓｅａｒｃｈｉｎｇｉｔｔｏｉｍｐｒｏｖｅｆｏｒｅｃａｓｔｉｎｇａｃｃｕｒａｃｙ