毕业设计（论文）-基于bp神经网络的短期负荷预测研究

《毕业设计（论文）-基于bp神经网络的短期负荷预测研究》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、学号毕业论文课题基于BP神经网络的短期负荷预测研究学生姓名院部电气工程学院专业班级电子信息工程（2）班指导教师二0一五年五月页码不对！！目录摘要IAbstractII第一章绪论21.1课题研究背景21.2课题研究的现状21.3本课题研究的主要内容3第二章传统短期负荷预测的方法52.1回归分析法52.2指数平滑法52.3专家系统方法5第三章神经网络73.1神经网络简介73.2神经网络模型及其特征73.2.1人工神经元模型73.2.2神经网络的分类93.2.3神经网络的特征及要素93.3神经网络及其结构分析93.3.1B

2、P神经网络的原理93.3.2BP神经网络的算法设计10第四章负荷预测的实例分析124.1回归分析法124.2BP神经网络的软测量模型的建立134.3小结19总结20致谢22附录：参考程序231页码不对！！1页码不对！！摘要随着我国电网和电力系统的发展与进步，短期电力负荷预测是电力系统运行调度和用电服务部门的重要日常工作之一，它直接影响电力系统的安全经济稳定运行和电网科学管理及调度的实现，负荷预测精度的高低对电力系统运行的安全性、稳定性和经济性具有重要意义。由于短期负荷预测在日趋发展的电力市场中起着重要作用，所以需要继

3、续研究，促使短期负荷预测具有更高的精度。由于电力负荷受诸多因素影响，如当前负荷状况、天气状况等，为提高短期电力负荷预测的精度，本文介绍了多种传统方法以及BP神经网络法，并分别介绍和总结了传统方法和BP神经网络的优缺点。本文采用了回归分析和BP神经网络的预测方法，以影响电力负荷的主要因素气象参数，建立了短期负荷预测的模型，并分析了样本数据处理中遇到的几个具体问题。最后，对未来的短期负荷预测技术方面的发展做了一些设想。关键词：电力系统；短期负荷预测；回归分析法；BP神经网络页码不对！！Researchofforecast

4、ingShort-termloadbaseonBPneuralnetworkAbstractWiththedevelopmentandprogressofourcountry'spowergridandpowersystem,Theshort-termloadforecasting(STLF)ofelectricsystemisoneoftheimportantroutinesforpowerdispatchandutilitydepartments.Itisaveryimportantaspectofpowersy

5、stemtoensureoperatingsafelyeconomicallysteadilyandachievescientificmanagementinthepowersystem,andaccurateloadforecastingishelpfultothesecurityandstabilityofpowersystemaswellassavingitsgenerationcosts.Withtheestablishmentanddevelopmentofthepowermarket,Duetoshort

6、-termloadforecastingplaysanimportantroleinthedevelopingpowermarket,soyouneedtocontinuetostudy,topromoteahigheraccuracyofshort-termloadforecasting.Electricpowerisaffectedbymanyfactors,suchascurrentloadstatus,weatherstatus,andetc,Forimprovingtheaccuracyofshort-te

7、rmloadforecasting,ThispaperintroducesavarietyoftraditionalmethodandBPneuralnetwork,ThispaperadoptedtheRegressionAnalysisandBPneuralnetworkmethod,withthemainfactorsinfluencingthepowerloadofmeteorologicalparameters,short-termloadforecastingmodelisestablished,Anda

8、nalyzedsamplesofseveralspecificproblemsinthedataprocessing.IntheendthepapergivesomeprospectsandhypothesisontheShort-TermLoadforecasting.Keywords:Electricsystem,Short-TermLoa