电力系统短期负荷预测技术的研究与实现

合肥工业大学硕士学位论文电力系统短期负荷预测技术的研究与实现姓名：石万清申请学位级别：硕士专业：电力系统及其自动化指导教师：陶维青20050401电力系统短期负荷预测技术的研究与实现作者：石万清学位授予单位：合肥工业大学相似文献(10条)1.期刊论文吴宏晓.侯志俭共生进化免疫神经网络在电力系统短期负荷预测中的应用-华东电力2004,32(12)为了克服传统BP神经网络在结构设计和学习算法中存在的缺陷,提出了一种共生进化免疫神经网络来预测电力系统短期负荷.其中利用共生进化原理设计神经网络,通过对神经元群体进行优化设计,显著地减轻了计算量.在进化过程中,结合免疫算法中的浓度机制和个体多样性保持策略进行免疫调节,有效地克服了未成熟收敛现象,提高了群体的多样性,加快了网络设计速度.算例计算表明,该方法具有更短的训练时间和更高的预测精度.2.学位论文张岭基于软计算方法的电力系统短期负荷预测研究2005电力系统短期负荷预测不仅是电网调度部门和规划设计部门所必须掌握的基本信息之一，也是电网的调度、运行及发展的重要依据。而且随着电力市场制度的完善，电网负荷的需求统计数据和预测数据将作为一项基本信息向全社会公布，它将成为电力市场实时交易中必不可少的重要组成部分。电力系统短期负荷预测使用的方法有传统建模方法，诸如时间序列、回归分析等方法。由于负荷及影响负荷的因素间存在大量的非线性因素，上世纪90年代提出了用具有逼近任意非线性函数能力的神经网络进行短期负荷预测的方法。同期，其它的智能计算技术也在飞速发展，其中代表性的有遗传算法、模糊计算等。本文采用神经网络及神经网络与遗传算法相结合的方法进行短期负荷预测。在进行短期负荷预测前，采用数学统计理论消除历史负荷数据中的不良数据，对历史负荷数据进行纵向、横向处理，剔除异点数据和平滑负荷曲线。鉴于城市居民生活负荷及商业负荷在太原市负荷中占有相当大的比例，它们对气象因素的变化非常敏感，因此在分别使用三层和四层神经网络进行负荷预测时，将其按照考虑气象因素与否分成了两种情况。因为神经网络收敛速度慢，容易陷入局部极小点，所以使用遗传算法来确定神经网络的权值和阈值。本文使用以上方法预测了太原市短期电力负荷，从预测结果中可以看出：气象因素影响负荷的变化，但是对于太原市电网的实际运行情况而言，当处于严重缺电时期，不考虑气象因素的预测结果要优于考虑气象因素的结果；四层神经网络的函数映射能力优于三层神经网络。当神经网络结合遗传算法时，使用四层神经网络的染色体基因数明显少于三层神经网络，减少了运算时间；为了避免神经网络陷入局部极小点而结合遗传算法的方法是以增加大量的运算时间为代价的；要做好负荷特性的研究工作，确定负荷和影响负荷变化的因素之间的关系，选择合适的相似日。总之，本文对太原市电网的短期负荷预测进行了研究，最后得出了结合遗传算法的四层神经网络是一种有效可行的方法，下一步要做好减少运算时间及了解负荷特性的工作。3.期刊论文王武.张元敏.蔡子亮.WANGWu.ZHANGYuan-min.CAIZi-liang基于遗传优化神经网络的电力系统短期负荷预测-继电器2008,36(9)电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安全、优质,经济运行具有重要意义.通过非参数预测法建立电力系统短期负荷预测模型,以此作为Elman神经网络训练的样本集,实现网络样本设计,结构设计与网络训练,充分发挥Elman神经网络动态特性,将改进的遗传算法和Elman神经网络相结合,通过选择,交叉、变异等遗传操作,实现了神经网络权值优化.采用基于遗传优化神经网络的电力系统短期负荷预测新算法,提高了负荷预报精度,具体算例证明了算法的可行性和有效性.4.期刊论文马建伟.张国立.MAJian-wei.ZHANGGuo-li人工鱼群神经网络在电力系统短期负荷预测中的应用-电网技术2005,29(11)短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.5.学位论文潘鑫基于神经网络的短期负荷预测研究2004短期负荷预测是电力系统安全经济运行的前提,随着电力系统的市场化,高质量的短期负荷预测越来越显得重要和迫切.神经网络方法在短期预测中已经被公认为较有效的方法,该文针对神经网络用于电力系统短期负荷预测的几个方面展开研究工作:第一部分研究一般用于负荷预测的神经网络BP模型的算法,即对传统的BP算法的改进,将一种基于模式逼近度和接受概率的变步长快速BP算法应用到短期负荷预测,仿真结果表明该方法有效的改善了BP算法收敛速度慢以及容易陷入局部最小点的缺点,从而提高了神经网络用于负荷预测的效率和精度.第二部分研究神经网络的结构问题,利用遗传算法对网络的隐含层个数进行寻优,从而避免了隐含层选择的盲目性,使得预测在更加合理的网络结构上进行,提高了预测的精度.第三部分以郑州地区为代表,研究了该地区的负荷特性,并且在此基础上,提出了一种针对普通日的基于天气影响因素差异度的神经网络预测方法以及一种针对特殊节假日的基于模糊逻辑的负荷预测模型.6.会议论文张智晟.孙雅明基于Elman神经网络的短期负荷预测研究2003本文根据电力负荷序列的混沌特性,提出以相空间重构理论和Elman神经网络结合的电力系统短期负荷预测方法,以相空间重构理论确定Elman-NN的输入维数,采用具有动态递归性能的Elman神经网络,可增强负荷预测模型对混沌动力学的联想和泛化推理能力,保证负荷混沌动态行为的预测精度.经预测仿真测试,证实其比传统静态前馈NN预测模型能有效地提高预测精度.因此,所研究的预测模型和方法在实际预测领域会有高的实用价值的.7.学位论文孙艳基于混沌时间序列和神经网络的电力短期负荷预测2007短期负荷预测对电力系统的经济、稳定以及安全运行有着极为重要的作用，是调度运营和负荷管理的一项重要的日常工作。已经证明短期负荷是一个受温度、湿度、风力、阴晴天气、降雨量、节假日等多种因素影响而发生演化的多维非线性动力系统，电力负荷时间序列是一类混沌时间序列。在各种因素相互的作用下，负荷表现出极其复杂而难以精确预测的演化特征。随着非线性理论的发展，特别是混沌理论的发展，毋须专门分别考虑各种影响因素就能对短期负荷做出满意的预测成为可能。混沌时间序列是一门新兴的学科，对其进行预测是一项热门的研究课题；神经网络是一种智能化的技术，具有很强的处理非线性问题的能力，将二者结合必然会产生新的问题。本课题针对电力短期负荷预测将二者结合，研究了基于混沌时间序列和神经网络的电力短期负荷预测。首先，本文研究了混沌时间序列及其相空间重构技术，并以实际电网为例计算了最佳延迟时间和最佳嵌入维数，并重构了相空间。建立了基于混沌时间序列和BP神经网络的预测模型，实例分析了其可行性。其次，针对广泛应用的用空间欧氏距离来衡量相似性的不足，本文在总结归纳前人研究的基础上提出了用更为广泛意义的“空间最相似相点”来衡量。并给出了联合空间欧氏距离和关联度来衡量“空间最相似相点”的一个方法，在神经网络训练样本的选择时采用了该方法，建立了混合混沌关联度的神经网络预报模型，并实例计算表明其能有效提高预测的精度。最后，考虑到常用的混沌时序预测模型都是一种单步外推预测，存在计算复杂和耗时的缺点，对此，提出了一种将分时段相空间重构理论和广义回归神经网络相结合的短期负荷预测新方法，实例证明了其有良好的预测效果。8.期刊论文潘鑫.陈星莺一种基于改进级联神经网络的短期负荷预测-江苏电机工程2004,23(4)提出了一种改进的级联神经网络方法,用于电力系统的短期负荷预测,并且采用基于模型逼近度和接受概率的变步长变尺度BP算法提高神经网络本身的效率和精度,通过对实际数据的仿真表明,可用于电力系统短期负荷预测.9.期刊论文王晶.刘博.冯艳红.WANGJing.LIUBo.FENGYan-hong蚁群神经网络在短期负荷预测的应用-计算机工程与设计2008,29(7)为了进一步提高BP神经网络的性能,实现准确、快速预测电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,建立了一种新的蚁群神经网络(AcAN)预测模型.对某电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果.10.学位论文张宝平基于遗传BP神经网络的电力系统短期负荷预测2003电力系统短期负荷预测是电力调度部门制定发电计划的依据,是市场环境下编排调度计划、供电计划、交易计划的基础。随着电力工业市场化进程的加快,电力系统短期负荷预测精度的好坏直接影响到产业部门的经济效益,是现代电力系统运行研究中的重要课题之一，它是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要依据。本论文将前馈神经网络应用于电力系统短期负荷预测中，并引入遗传算法对网络的初始参数进行优化，主要研究工作如下：1.电力系统负荷是一个随机非平稳过程，其负荷观测值由于受到各种因素的影响，可能会存在某些“坏数据”或“不良数据”，这些数据夹杂在正常的负荷数据中参与神经网络的训练，严重影响了负荷预测的精度。本文利用统计学的方法，求出某段时间内负荷序列中的均值与方差，再利用偏离率的计算公式计算出负荷序列中每一点的偏离率，并与阈值相比较，从而除去“不良数据”，为准确有效地进行负荷预测提供了保证。2.通过对历史负荷数据规律性的分析，得出负荷是以周为大周期变化，以日为小周期变化，“大周期”中嵌套“小周期”规律变化的结论。在神经网络输入节点的选择方面，除了引入相关历史负荷作训练样本外，还考虑了温度、气候敏感因素和特征日对负荷变化的影响，提高了负荷预测的精度。3.针对神经网络的收敛速度慢的缺陷，本文采用了带有变步长和变动量因子的改进BP算法，针对BP神经网络由于初始权值选取不当容易陷入局部极小点，本文将遗传算法引入到网络初始权值的确定中，提出了遗传算法和BP神经网络相结合遗传BP神经网络的短期负荷预测方法,与传统神经网络方法相比,该方法可以加快网络学习速度和提高学习精度。我们用遗传算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测,仿真实验结果表明该方法加快网络学习速度,并能提高负荷预测精度。本文链接：：上海海事大学(wflshyxy)，授权号：597a63e5-8315-4c54-b5a0-9de30149f640下载时间：2010年8月31日