資源描述：
《關(guān)于基于bp神經(jīng)網(wǎng)絡(luò)的短期電力負(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)容在工程資料-天天文庫。
1、關(guān)于基于BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)導(dǎo)讀：基于BP神經(jīng)X絡(luò)的短期電力負(fù)荷預(yù)測(cè)是一篇關(guān)于負(fù)荷和X絡(luò)的畢業(yè)生論文提綱格式，免費(fèi)分享供廣大學(xué)者參考，希望對(duì)學(xué)生們寫作論文提供清晰寫作思路。（長(zhǎng)安大學(xué)電子與控制工程學(xué)院陜西西安710064）中圖分類號(hào)：TB文獻(xiàn)標(biāo)識(shí)碼:A：10070745（2011）07016701摘要：本論文首先對(duì)短期電力負(fù)荷預(yù)測(cè)進(jìn)行了概述，詳細(xì)分析BP神經(jīng)X絡(luò)原理的基礎(chǔ)上，通過對(duì)某市歷史負(fù)荷數(shù)據(jù)的分析，應(yīng)用BP神經(jīng)X絡(luò)，建立了短期負(fù)荷預(yù)測(cè)模型，應(yīng)用MATLAB6。5軟件進(jìn)行實(shí)際建模仿真.關(guān)鍵詞：電力負(fù)荷BP神經(jīng)X絡(luò)預(yù)測(cè)建模仿真1。引言負(fù)荷和X絡(luò)畢業(yè)生論文提
2、綱格式也能出現(xiàn)信息量過剩使得X絡(luò)出現(xiàn)過擬合現(xiàn)象.總，樣本的選取過程需要注意代表性、均衡性和用電負(fù)荷的自身特點(diǎn)，從而選擇合理的訓(xùn)練樣本.3。隱含層的設(shè)計(jì)對(duì)于BPX絡(luò)，有一個(gè)非常重要的定理.即對(duì)于任何閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)都以用單隱層的BPX絡(luò)逼近，而一個(gè)三層BPX絡(luò)以完成任意的n維到m維的映射.隱層的神經(jīng)元數(shù)目選擇是一個(gè)十分復(fù)雜的問題，往往需要根據(jù)設(shè)計(jì)者的經(jīng)驗(yàn)和多次試驗(yàn)來確定，而不存一個(gè)理想的解析式來表示.隱含層的數(shù)目與問題的要求、輸入/輸出單元的數(shù)目都有著直接關(guān)系.隱含層數(shù)目太多會(huì)導(dǎo)致學(xué)習(xí)時(shí)間過長(zhǎng)、誤差不一定最佳，也會(huì)導(dǎo)致容錯(cuò)性差、不能識(shí)別以前沒有看到的樣本，此一定存
3、一個(gè)最佳的隱單元數(shù).以下三個(gè)公式用于選擇最佳隱單元數(shù)時(shí)的參考公式.3）n1=㏒2n,其中，n為輸入單元數(shù).還有一種途徑用于確定隱單元數(shù)目.首先使隱單元的數(shù)目變，或者放入足夠多的隱單元，通過學(xué)習(xí)將那些不起作用的隱單元剔除，直到不進(jìn)而收縮為止.樣，也以開始時(shí)放入比較少的神經(jīng)元，學(xué)習(xí)到一定次數(shù)后，果功則再增加隱單元的數(shù)目，直到達(dá)到比較合理的隱單元為止.(4)建立X絡(luò).短期負(fù)荷預(yù)測(cè)的神經(jīng)X絡(luò)結(jié)構(gòu)本篇基于BP神經(jīng)X絡(luò)的短期電力負(fù)荷預(yù)測(cè)論文原創(chuàng)lunp;acute;，建立BPX絡(luò):=neinmax(p),[12,1],{acute;tansig"purelinacute;}，ac
4、ute;trbpacute;);(5)X絡(luò)訓(xùn)練.使用歷史數(shù)據(jù)本月129天的每日每時(shí)實(shí)際負(fù)荷數(shù)據(jù)作為訓(xùn)練樣本，使用語句為:。tranParam。epochs=1000;。tranParam。goal=0。01;LP。lr=0。1;。tranParam。mudec=0。05;[,tr]=tr(,p,T);訓(xùn)練步數(shù)為1000，誤差0。01，學(xué)習(xí)速率0。1,μ初始值0。05;其余參數(shù)為默認(rèn)值.4。預(yù)測(cè)結(jié)果X絡(luò)訓(xùn)練結(jié)束，超過300步訓(xùn)練步數(shù)，X絡(luò)達(dá)到誤差要求.用本月知負(fù)荷值進(jìn)行實(shí)際負(fù)荷預(yù)測(cè)，輸入本月第30日輸入矩陣(24點(diǎn)負(fù)荷值)，預(yù)測(cè)第31日負(fù)荷值，預(yù)測(cè)日負(fù)荷和實(shí)際日負(fù)荷對(duì)比
5、見圖2.從實(shí)驗(yàn)預(yù)測(cè)結(jié)果計(jì)算出，其相對(duì)誤差值最大為5。07％，最為4。28％，平均絕對(duì)誤差百分比為0。45％.5。結(jié)論通過實(shí)際仿真知，經(jīng)過訓(xùn)練后的BP神經(jīng)X絡(luò)能夠建立達(dá)到短期電力負(fù)荷預(yù)測(cè)的模型，以看出系統(tǒng)預(yù)測(cè)精度良，具有很的非線性映射能力，對(duì)短期電力負(fù)荷預(yù)測(cè)能有一定的指導(dǎo)和借鑒作用，有進(jìn)一步開發(fā)應(yīng)用于實(shí)際線預(yù)測(cè)的良前景.
