資源描述：
《短期負(fù)荷預(yù)測論文：基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究2336656320-（word可編輯）》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、莁蒈薁螅芇蕆蚃羀膃蒆螅螃聿薅蒅羈羄薅薇螁芃薄蝕羇艿薃袂螀膅薂薂肅肁薁蚄袈莀薀螆肅芆薀袈袆膂蠆薈肂肈芅蝕襖羄芄袃肀莂芃薂羃羋芃蚅膈膄節(jié)螇羈肀芁衿螄荿芀蕿罿芅荿蟻螂膁莈螄羈肇莇蒃螀肅莇蚆肆莁莆螈衿芇蒞袀肄膃莄薀袇聿莃螞肂羅蒂螄裊芄蒁蒄肁膀蒁薆襖膆蒀蝿腿肂葿袁羂莁蒈薁螅芇蕆蚃羀膃蒆螅螃聿薅蒅羈羄薅薇螁芃薄蝕羇艿薃袂螀膅薂薂肅肁薁蚄袈莀薀螆肅芆薀袈袆膂蠆薈肂肈芅蝕襖羄芄袃肀莂芃薂羃羋芃蚅膈膄節(jié)螇羈肀芁衿螄荿芀蕿罿芅荿蟻螂膁莈螄羈肇莇蒃螀肅莇蚆肆莁莆螈衿芇蒞袀肄膃莄薀袇聿莃螞肂羅蒂螄裊芄蒁蒄肁膀蒁薆襖膆蒀蝿腿肂葿袁羂莁蒈薁螅芇蕆蚃羀膃蒆螅螃聿薅蒅羈羄薅薇螁芃薄蝕羇艿薃
2、袂螀膅薂薂肅肁薁蚄袈莀薀螆肅芆薀袈袆膂蠆薈肂肈芅蝕襖羄芄袃肀莂芃薂羃羋芃蚅膈膄節(jié)螇羈肀芁衿螄荿芀蕿罿芅荿蟻螂膁莈螄羈肇莇蒃螀肅莇蚆肆莁莆螈衿芇蒞袀肄膃莄薀袇聿莃螞肂羅蒂螄裊芄蒁蒄肁膀蒁薆襖膆蒀蝿腿肂葿袁羂莁蒈薁螅芇蕆蚃羀膃蒆螅螃聿薅蒅羈羄薅薇螁芃薄蝕羇艿薃袂螀膅薂薂肅肁薁蚄袈莀薀螆肅芆薀袈袆膂蠆薈肂肈芅蝕襖羄芄袃肀莂芃薂羃羋芃蚅膈膄節(jié)螇羈肀芁衿螄荿芀蕿罿芅荿蟻螂膁莈螄羈肇莇蒃螀肅莇蚆肆莁莆螈衿芇蒞袀肄膃莄薀袇聿莃螞肂羅蒂螄裊芄蒁蒄短期負(fù)荷預(yù)測論文：基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究【中文摘要】電力負(fù)荷預(yù)測是供電部門的重要工作之一,電力負(fù)荷預(yù)測工作的水平已成為
3、衡量一個(gè)電力企業(yè)的管理是否走向現(xiàn)代化的顯著標(biāo)志之一。隨著經(jīng)濟(jì)和社會(huì)的發(fā)展,高準(zhǔn)確度的短期負(fù)荷預(yù)測越來越重要。本文首先重點(diǎn)分析了電力負(fù)荷特性,提出了進(jìn)行負(fù)荷分析應(yīng)遵循的理念,并收集了上海地區(qū)2008和2009兩年1至8月份影響電力負(fù)荷特性的的各類數(shù)據(jù),進(jìn)行了統(tǒng)計(jì)和分析,以上海地區(qū)為代表介紹大城市的負(fù)荷特性情況。第二部分介紹了神經(jīng)網(wǎng)絡(luò)的基本理論,其中重點(diǎn)研究了BP模型的結(jié)構(gòu)、算法,對BP算法進(jìn)行改進(jìn),利用遺傳算法優(yōu)化BP網(wǎng)絡(luò),仿真結(jié)果表明優(yōu)化后的BP網(wǎng)絡(luò)改善了訓(xùn)練過程中的誤差,且預(yù)測結(jié)果更精確。第三部分首先提出建立影響短期負(fù)荷的相關(guān)因素映射數(shù)據(jù)庫,并提出了映射數(shù)
4、據(jù)庫優(yōu)化處理的策略,算例分析表明經(jīng)過訓(xùn)練的相關(guān)因素的量化映射值更加合理,預(yù)測效果和穩(wěn)定性得到了進(jìn)一步提高。然后進(jìn)行基于相關(guān)影響因素映射數(shù)據(jù)庫的神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)報(bào)的實(shí)現(xiàn),由仿真結(jié)果可知映射數(shù)據(jù)庫的建立明顯有助于提高負(fù)荷預(yù)報(bào)的準(zhǔn)確度。接著提出一種基于天氣影響因素差異度的神經(jīng)網(wǎng)絡(luò)模型,算例分析表明該模型對天氣變化較大或劇烈的負(fù)荷預(yù)測更為準(zhǔn)確。第四部分主要是在對華東某地區(qū)各種影響負(fù)荷變化的相關(guān)因素進(jìn)行研究的基礎(chǔ)上,提出針對該地區(qū)供電企業(yè)進(jìn)行短期負(fù)荷預(yù)測系統(tǒng)開發(fā)的框架設(shè)計(jì)思路。應(yīng)用效果表明,該系統(tǒng)負(fù)荷預(yù)測模塊滿足應(yīng)用需求。【英文摘要】Loadforecastingi
5、soneoftheimportanttasksofthepowerenterprise,andthelevelofloadforecastinghasbecomeoneofthesignificantsymbolwhichshowswhetherthemanagementofapowerenterprisehasachievedmodernization.Withtheeconomicandsocialdevelopment,highaccuracyofshort-termloadforecastingwilbemoreandmoreimportant.Th
6、ispaperfirstanalyzesthecharacteristicsoftheload,andtheprinciplesofloadanalysisshouldbefollowed.VarioustypesofdataofJanuarytoAugustofthelastyearandtheyearbeforelastwhichaffectloadcharacteristicsarecollectedforstatisticsandanalysistodescribetheloadcharacteristicsoflargecities.Theseco
7、ndpartdescribesthebasictheoryofartificialneuralnetworks(ANN),whichfocusontheBPneuralnetworkstructure,algorithmandimprovedalgorithm,andgeneticalgorithmisproposedtooptimizetheBPnetwork.ThesimulationresultsshowthattheoptimizedBPnetworkpredictionresultsaremoreaccurate.Inthethirdpart,th
8、eestablishmentoftheconcept
