搜索
西安工业大学北方信息工程学院本科毕业设计（论文）题目：基于BP神经网络的短期电力负荷预测系别电子信息工程系专业电气工程及其自动化班级B070307姓名宋亮学号B07030716导师张荷芳焦灵侠2011年6月1I毕业设计（论文）任务书系别电子信息系专业电气工程自动化班b070307姓名宋亮学号b070307161.毕业设计（论文）题目：基于bp神经网络的短期电力负荷预测2.题目背景和意义：电力系统是由电力网、电力用户组成，其作用就是对各类用户尽可能经济地提供可靠而合乎标准要求的电能，以随时满足负荷要求。但是由于电力的生产与使用具有其特殊性，即电能是不能储存的。这就要求系统发出电力随时紧跟系统负荷的变化动态平衡，否则，就会影响供用电的质量。电力系统负荷预测因此发展起来，成为工程科学中重要的研究领域，是电力系统自动化中一项重要内容。在电力系统安排生产计划和实际运行的过程中，负荷预测起着十分重要的作用，主要表现在以下几个方面：(1)经济调度的主要依据。对电力系统来说，必须对用户提供可靠而经济的电能，以随时满足各类用户的要求，亦即满足用户的负荷需求，而在另一方面，又要考虑生产成本，由于电能不能大量储存，因此必须在确保系统安全的情况下尽量减少实时发电备用容量。(2)生产计划的要求。电力系统中，由于其可靠性的要求，各种发、供电设备都有确定的检修周期。(3)电力系统安全分析的基础。电力事故所造成经济损失和社会影响是巨大的，必须尽量避免。3.设计(论文)的主要内容（理工科含技术指标）：负荷预测并达到一定误差范围之内。4.设计的基本要求及进度安排（含起始时间、设计地点）：电子系实验室1-5周；开题，针对原理及应用、主要技术难点的收集资料，熟悉课题方案。6-10周；完成方案论证，确定设计方案。10-15周；利用Matlab对系统做进一步的仿真分析16-18周；完成所有的设计工作，整理资料，完成毕业论文，准备答辩。5.毕业设计（论文）的工作量要求400机时①实验（时数）*或实习（天数）：100天②图纸（幅面和张数）*：A4×2③其他要求：论文：15000字以上；外文翻译：5000字以上指导教师签名：年月日学生签名：年月日系主任审批：年月日说明：1本表一式二份，一份由学生装订入册，一份教师自留。2带*项可根据学科特点选填。1II基于BP神经网络的短期电力负荷预测摘要负荷预测技术是近年来各国潜心研究的一个新领域，它对于电力系统的规划与运行、获得最好的经济效益，有重大的意义。特别是电力科技与其它学科发展将会更加交融和促进。利用人工神经网络方法来对电力负荷进行短期预测是一种常用而且非常有效的一个方法。因此，与人工神经网络相关的一些预测算法就成为预测技术发展的一个重点。本文首先对预测技术，人工神经网络及其应用于电力系统进行了一些理论基础的介绍和探讨工作，重点介绍了BP网络在负荷预测方面的一些知识及实际应用。本文以实例为背景，详细论述了BP网络在电力负荷预测中的实际应用，并深入研究了在实际的系统中从输入模式的划分，隐节点的选取，权值的修改，学习率的调整等实际的问题。对于节假日的负荷，本文对其进行另外的讨论。最后用MATLAB仿真得到预测结果并分析了预测结果。关键词：电力系统；短期负荷预测；BP；人工神经网络1IIIShort-TermElectricPowerLoadForecastingBasedonNeuralNetworkMODELAbstractLoadforecastingtechnologyisanewfieldinwhichmanycountriesresearchwithgreatconcentrationinrecentfewyears.Loadforecastingtechnologyplaysanimportantrolenotonlyinthedesignandrunninginpowersystembutalsointheincreaseofeconomicalbenefit.Short-termLoadpredictionbasedonartificialneuralnetworkisacommonbutmostefficaciousmethod.SosomeforecastingalgorithmsattachedtoANNbegintobeapromisingandimportantfieldinthedevelopmentofpredictiontechnology.ThepaperprimarilyexplicatedsomealgorithmsaboutpredictioninEMS.Firstly,thebackgroundanddevelopmentofpredictiontechnologyareintroducedandthensomeintroductionofbasictheoryandresearchworkhavebeendoneabouthowtoapplyANNtopredictiontechnology,duringwhichHPnetworkandBPnetworkareintroducedimportantlyandthensomeimprovementabouttheapplicationofANNtopredictiontechnologyisgiven.WithanexamplethepaperexplicitlydiscussestheapplicationofBPnetworkinloadpredictionandhasadeepresearchinpatterndivisionofinputting,theselectiononthenumberofthehiddenlayer,themodifyingofweight,theadjustmentofthespeedofthestudyandetc.Inthepaper,anewandsufficientmethodabouttheselectionofthetrainingsampleisproposedandalsothedivisionofinputtinginfestivalsisoperatedwithanewmethodbyusinginterpolation.Besides,inthepaper,thelongestpredicabletimeisstudiedtheoreticallyandpracticallyoperated.Thecompareofthetwokindsofnetworkandtheirrespectiveprivilegeandlimitationsistheemphasisinthepaper.Thepaperciteschaostheorytopredicttechnology.Intheendthepapergivesomeprospectsandhypothesisontheprediction.Keywords:PowerSystem;Short-TermLoadForecasting(STLF);BP;ArtificialNeuralNetwork(ANN)1IV目录1绪论..........................................................................................................11.1负荷预测的目的和意义........................................................................................11.2国内外研究现状....................................................................................................11.3本文主要研究内容................................................................................................22电力负荷预测分析....................................................................................42.1电力系统负荷预测的分类和特点.........................................................................42.1.1电力系统负荷预测的分类...............................................................................42.1.2电力系统负荷预测的特点和基本原理...........................................................42.1.3电力负荷预测的影响因素...............................................................................52.1.4电力负荷预测的要求.......................................................................................62.2短期电力负荷预测的主要方法及模型................................................................62.3预测方法比较......................................................................................................103人工神经网络..........................................................................................113.1神经网络的发展概述...........................................................................................113.2神经网络的特点..................................................................................................123.3神经网络学习控制...............................................................................................123.4神经网络非线性控制...........................................................................................133.5神经网络用于预测技术.......................................................................................134BP神经网络.............................................................................................154.1BP神经网络结构............................................................