搜索
毕业设计中期总结此次毕业设计首先对短期电力负荷预测的国内外基本现状做一个基本概述，将负荷预测的概念和原理进行分析总结，讨论电力系统负荷的分类及各自的特点、影响电力负荷的各种因素，将电力负荷分为电力系统中的典型负荷分量，天气敏感负荷分量，特殊事件负荷分量以及随机负荷分量并讨论各自的特性。学习负荷预测的基本步骤，包括收集资料、整理资料、对负荷预测进行预处理、建立负荷预测模型进行预测，随后对负荷预测进行误差分析等。第二阶段主要对人工神经网络法进行学习了解，主要包括人工神经网络的概述—其基本特征，原理，和模型分类，人工神经网络的BP模型—BP网络的学习算法的介绍和BP网络的学习的具体步骤。BP网络学习具体步骤（1）对样本数据进行规一化处理；（2）初始化：置所有的加权系数为较小的随机数；（3）提供具有输入向量和要求的期望输出的训练样本集；（4）计算隐含层和输出层的输入和输出；（5）计算网络输出和期望输出的误差；（6）调整输出层和隐含层的加权系数；（7）返回（4），循环上述步骤，直到误差满足设置的精度为止。BP网络的优点应用BP神经网络对电力负荷进行预测时，有以下优点：1.算法具有坚实的理论基础和较高的学习精度；2.具有实现任何复杂非线性映射的功能，理论上说是用多层前馈网络可以学会任何可学习的东西；3.BP网络具有自学能力，并可用于实时处理。BP算法主要存在以下缺点：1.BP算法的学习效率不高，收敛速度较慢。2.神经网络初始权值、隐含层的节点数目和网络参数通常要根据经验来选取。3.BP算法采用梯度下降法进行学习，可能会陷入某些局部最小值，或某些静态点，或在这些点之间振荡。BP算法的改进1.调整学习速率；2.引入动量项；3.变尺度法；4.变步长法。即将进行的第三阶段是基于BP网络的负荷预测。