資源描述：
《基于神經(jīng)網(wǎng)絡(luò)的大連地區(qū)短期電力負(fù)荷預(yù)測(cè)》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(kù)。
1、專業(yè)學(xué)位碩士學(xué)位論文基于神經(jīng)網(wǎng)絡(luò)的大連地區(qū)短期電力負(fù)荷預(yù)測(cè)Short-termElectricLoadForecastingUsingNeuralNetworkforDalianDistrict學(xué)號(hào)：壘Q魚(yú)!墨Q呈壘大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明㈣V241㈣51必33作者鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，也不包含其他已申請(qǐng)學(xué)位或其他用途使用過(guò)的成果。與我一同工作的同志對(duì)本
2、研究所做的貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。學(xué)位論文題目：基王益經(jīng)圓絲鮑太整地區(qū)復(fù)塑墊左魚(yú)蕉亟測(cè)作者簽名：壹?jí)嬿掌冢禾m盟年!￡月j豎日火連理．J：人學(xué)專業(yè)學(xué)位碩士學(xué)位論文摘要電力系統(tǒng)短期負(fù)荷預(yù)測(cè)在調(diào)度安全中扮演著較重的角色，它確保了電力企業(yè)科學(xué)地、穩(wěn)定地對(duì)電網(wǎng)進(jìn)行控制，同時(shí)也是今后進(jìn)行電網(wǎng)商業(yè)化運(yùn)作所必備的基本條件。因此負(fù)荷預(yù)測(cè)精度的提高，建立性能優(yōu)良的系統(tǒng)，在電力系統(tǒng)管理中起著很重要的作用。本文以大連地區(qū)短期電力負(fù)荷預(yù)測(cè)為背景，首先深入分析了國(guó)內(nèi)外負(fù)荷預(yù)測(cè)技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì)，討論了電力系統(tǒng)短期負(fù)荷預(yù)測(cè)特性，尤
3、其是大連地區(qū)電網(wǎng)現(xiàn)狀及負(fù)荷曲線的變化規(guī)律。然后針對(duì)大連地區(qū)電力負(fù)荷的特點(diǎn)及負(fù)荷預(yù)測(cè)的實(shí)際，在綜合考慮諸如溫度、日期類型和天氣情況等影響負(fù)荷預(yù)測(cè)精度的眾多因素之后，分別使用BP和RBF神經(jīng)網(wǎng)絡(luò)這2種模型對(duì)大連地區(qū)歷史電力負(fù)荷數(shù)據(jù)進(jìn)行了短期預(yù)測(cè)，并將兩種模型的預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比分析。最后，選取性能優(yōu)良的RBF神經(jīng)網(wǎng)絡(luò)與模糊控制算法組成混合模型，進(jìn)行計(jì)算調(diào)整。文中構(gòu)建了RBF神經(jīng)網(wǎng)絡(luò)和模糊控制相結(jié)合的短期負(fù)荷預(yù)測(cè)模型，在RBF神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行訓(xùn)練得到預(yù)測(cè)值之后，采用基于在線自調(diào)整因子的模糊控制器對(duì)預(yù)測(cè)誤差進(jìn)行智能修正，然后利用該混合模型在Matlab中進(jìn)行24小時(shí)整點(diǎn)預(yù)測(cè)仿
4、真，與大連系統(tǒng)同F(xiàn)1數(shù)據(jù)做對(duì)比，看是否與實(shí)際負(fù)荷走勢(shì)相吻合，以確保其性能的優(yōu)良。本文的研究對(duì)大連供電公司調(diào)控部門、發(fā)策部門、營(yíng)銷部門有參考價(jià)值，有助于大連公司完成調(diào)度現(xiàn)代化的轉(zhuǎn)型，可以做為供電公司的決策依據(jù)，有利于下一步工程實(shí)踐的開(kāi)展。關(guān)鍵詞：電力系統(tǒng)；短期負(fù)荷預(yù)測(cè)；RBF神經(jīng)網(wǎng)絡(luò)；模糊控制基于神經(jīng)網(wǎng)絡(luò)的大連地區(qū)短期電力負(fù)荷預(yù)測(cè)Short—termElectricLoadForecastingUsingNeuralNetworkforDalianDistrictAbstractShot-TermLoadForecasting(STLF)hasplayedanimport
5、antroleintherunninganddispatchingofelectricpowersystem．Itisakeybasisforguaranteeingthesafeandeconomicaloperationofpowersystemandachievingthescientificmanagementanddispatchofpowergrid．Itisalsoabasiccontentforthecommercialoperationofpowergrid．Therefore，howtoestablishaloadforecastingmodelwi
6、thbetterperformanceandpredictionaccuracyhasbecomethefocusproblemofpowersystem．Inthecontextofshort-termelectricloadforecastingofDaliandistrict，wefirstanalyzedtheresearchstatusanddevelopmenttrendofloadforecastingtechniques，anddiscussedthecharacteristicsofloadforecasting，especiallythegridst
7、atusandchangingruleofloadcurvesinDaliandistrict．Then，accordingtotheactualloadcharacteristicsandloadforecastingskillsofDaliandistrict，andtakingintoaccountthefactorssuchastemperature，datetypesandweatherconditionswhichaffecttheaccuracyofloadforecasting，weestablishedtwoshort-
