发电厂及电力系统专业的毕业 论文

《发电厂及电力系统专业的毕业 论文》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、大学毕业论文电力系统短期负荷预测姓名：学号：专业：发电厂及电力系统年级：指导教师：目录54中文摘要:1英文摘要:21绪论31.1短期负荷预测的目的和意义31.2电力系统负荷预测的特点和基本原理41.2.1电力负荷预测的特点41.2.2电力负荷预测的基本原理41.3国内外研究的现状51.3.1传统负荷预测方法61.3.2现代负荷预测方法61.4神经网络应用于短期负荷预报的现状81.5本文的主要工作82最小二乘法102.1最小二乘法原理102.2多项式拟合具体算法102.3多项式拟合的步骤112.4电力系统短期负荷预测误差1

2、22.4.1误差产生的原因122.4.2误差表示和分析方法122.4.3拟合精度分析133基于神经网络的短期负荷预测153.1人工神经网络153.1.1人工神经网络的基本特点153.2BP网络的原理、结构153.2.1网络基本原理153.2.2BP神经网络的模型和结构163.2.3BP网络的学习规则163.3BP算法的数学描述173.3.1信息的正向传递173.3.2利用梯度下降法求权值变化及误差的反向传播173.4BP网络学习具体步骤183.5标准BP神经网络模型的建立193.5.1输入输出变量193.5.2网络结构的

3、确定193.5.3传输函数203.5.4初始权值的选取213.5.5学习数率22543.5.6预测前、后数据的归一化处理223.6附加动量的BP神经网络223.6.1标准BP算法的限制与不足223.6.2附加动量法234算例分析254.1负荷数据254.1.114天实际的负荷数据254.1.2归一化后的负荷数据274.2两个模型仿真后的结果分析304.3两种模型拟合精度分析374.4附加动量法39结论40谢辞41参考文献42附录1最小二乘法的MATLAB程序44附录2标准BP神经网络的MATLAB程序46附录3附加动量法

4、的MATLAB程序49电力系统短期负荷预测摘要:54电力系统负荷预测是电力生产部门的重要工作之一。准确的负荷预测，可以合理安排机组启停，减少备用容量，合理安排检修计划及降低发电成本等。准确的预测，特别是短期负荷预测对提高电力经营主体的运行效益有直接的作用，对电力系统控制、运行和计划都有重要意义。因此，针对不同场合需要寻求有效的负荷预测方法来提高预测精度。本文采用神经网络方法对电力系统短期负荷进行预测。本文主要介绍了电力负荷预测的主要方法和神经网络的原理、结构，分析了反向传播算法，建立三层人工神经网络模型进行负荷预测，并编

5、写相关程序。与此同时采用最小二乘法进行对比，通过对最小二乘法多项式拟合原理的学习，建立模型编写相关程序。通过算例对两种模型绝对误差、相对误差、拟合精度进行分析，同时比较它们训练时间，得出标准BP神经网络具有更好的精度优势但训练速度较慢。最后针对标准BP神经网络训练速度慢、容易陷入局部最小值等缺点，对标准BP神经网络程序运用附加动量法进行修改，分析改进后网络的优点。关键词:短期负荷预测,标准BP神经网络，最小二乘法，附加动量法TheShort-TermLoadForecastingof54thepowersystemAbs

6、tract：Powersystemloadforecastingisoneofthemostimportantworkoftheelectricityproductionsector.Theaccurateloadforecastingcanarrangeunitstart-stop,reducethesparecapacity,reasonablearrangementofthemaintenanceplanandreducepowercost,etc.Ithasadirecteffectontherunningeff

7、iciencyofthepowermanagemententitiesandalsohastheimportantmeaninginthepowersystemcontrol,operationandplanning.Soitisimportanttofindeffectivemethodtoenhanceforecastprecisionfordifferentoccasions.Inthispapertheneuralnetworkisusedfortheshort-termloadforecastingofthep

8、owersystem.Thisarticleintroducesthemethodofthepowerloadforecastingandtheprinciples,structure,back-propagationalgorithmoftheneuralnetwork.Thenthethree-layerarti