线损预测的(毕设模版)

安徽工程大学毕业设计（论文）I基于遗传神经网络在电网线损率的预测摘要电力网的理论线损率是一个综合性的经济技术指标，不但能反映电网结构和运行方面的合理性，而且可以反映电力企业的技术和管理水平，能促进相关部门采取从内部挖掘，降低线损率。尽管国内外对电力网的理论线损计算方法做了大量的研究，取得了显著的成果，但对电网理论线损率预测方法的研究却很少。为了积极响应中央提出建设节约型社会的方针，努力降低电能传输过程中的损耗，开展线损预测研究工作就变得十分重要。本文在分析研究国内外有关线损计算分析方法的基础上，通过建立软测量模型，针对电网大系统多变量非线性的特点通过层次分析法–灰色综合关联分析出主要影响线损参数作为辅助变量，实现电网线损率的预测。本文研究的主要内容可分为两个方面：一方面是对电网线损计算的理论基础并通过层次分析法–灰色综合关联分析筛选主成分变量的方法加以介绍，同时阐述了电网线损率预测的GM(1，N)多灰色模型、BP神经网络和基于遗传优化的RBF神经网络的建模方法。另一方面是对各预测数学模型在电网线损率预测中应用的研究，这是本文的核心部分。首先对电网线损率预测中各参数进行采集和预处理，然后应用GM(1，N)、BP神经网络、基于遗传优化的RBF神经网络三种方法建立了电网线损率预测模型，并进行了离线仿真。通过对这三种方法的比较，得到基于遗传算法的RBF神经网络法与其他两种方法相比具有更高的精度，表现出了最佳逼近的优点，是一种较为有效的线损计算和分析的实用方法，其计算的快速性也可满足今后线损的在线实时计算和监测，并可望在其它领域及其它实际问题中得到广泛应用。关键词：层次分析法–灰色综合关联分析；GM(1，N)；BP神经网络；遗传算法；RBF神经网络王伟：基于遗传算法的神经网络在电网线损率的预测IIForecastsbasedonGeneticNeuralNetworkinthePowerGridlinelossrateAbstractThegridlinelossrateintheoryisacomprehensivetechnicalandeconomicindexes,whichcannotonlyreflectthepowergridstructureandoperationofrationality,buttheelectricpowerenterprise'stechnicalandmanagementlevelaswell.Itcanpromotetherelateddepartmentstotakefromtheinternalandtoreducelinelossrate.Thoughalotofresearchinthegridlosscalculationmethodshavemadetheremarkableprogressathomeandabroad,however,thetheoryinpredictionofpowergridlinelossratemethodhasdonelittle.Torespondtothecentralputtingforwardtheprincipleofeconomicalsociety,itappearstobeveryimportanttoreducethelossofelectricitytransmission,andtocarryoutthelinelosspredictionresearchwork.Basedontheanalysisofthedomesticandforeignresearchaboutlosscalculationmethod,thearticle,inviewofthegridsystemofmultivariablenonlinearcharacteristicsthroughtheanalytichierarchyprocess(ahp)-greycomprehensivecorrelationanalysisofmaininfluencelinelossparametersasasecondaryvariables,realizestopredictethepowergridofthelinelossrate.Themaincontentsofthispapercanbedividedintotwoaspects:oneistopowerlosscalculationtheoryfoundationandthroughtheanalytichierarchyprocess(ahp)-greycomprehensivecorrelationanalysismethodofscreeningprincipalcomponentvariableswereintroduced,andexpatiatesthelinelossrateofpowergridpredicttheGM(1,N)moregraymodel,theBPneuralnetworkbasedonthegeneticandtheoptimizationoftheRBFneuralnetworkmodelingmethod.Theotheristhemathematicalmodeltopredictthepowergridoftheapplicationoflinelossratepredictionresearch,whichisthecoreofthispart.Firsttopowerlinelossrateforecasttheparametersinthecollectionandpretreatment,thenappliedGM(1,N),theBPneuralnetworkbasedonthegenetic,theoptimizationoftheRBFneuralnetworktothreekindsofmethodtoestablishthepowergridlinelossratepredictionmodel,andoff-linesimulation.Throughthethreemethodsofcomparison,RBFneuralnetworkbasedongeneticalgorithmmethodhashigherprecisionthantheothertwo,showedthebestapproximationoftheadvantages,whichisamoreeffectivelosscalculationandanalysisofthepracticalmethod.Thecalculationoftheoutputcanalsomeetthefutureofonlinelinelossreal-timecalculationandmonitoring,whichhopefullytobewidelyusedinotherpracticalfields.Keywords：Analytichierarchyprocess(ahp)-Greycomprehensive安徽工程大学毕业设计（论文）IIIcorrelationAnalysis；GM(1，N)；BPneuralnetwork；GeneticAlgorithm;RBFneuralnetwork目录引言..........................................................-1-第1章概述....................................................-2-第2章电网线损计算的理论基础......................................32.1线损的定义.........................................................32.2线损的分类.........................................................3第3章基于层次分析法–灰色综合关联的线损率主成分因素分析......-5-3.1灰色综合关联分析..............................................-5-3.2经典灰关联中的AHP变权处理......................................6第4章基于多灰色模型组合建模的线损率预测.........................7第5章基于BP神经网络的线损率预测.................................85.1人工神经元网络简介................................................85.2BP神经网络的基本结构和算法......................................85.3BP神经网络的电网预测模型的建立................................10第6章基于遗传算法的RBF网络用于配电网线损计算..................146.1RBF神经网络......................................................146.2遗传算法的基本原理...............................................176.3遗传算法优化RBF网络的算法设计................................19第7章算例分析...................................................237.1机理分析与辅助变量的选择....................................-23-7.2数据采集和预处理.................................................237.3基于多灰色模型组合建模的线损率预测............................257.4基于BP神经网络的线损率预测.....................................257.5基于遗传算法的RBF网络用于配电网线损率预测....................27结论与展望........................................................29致谢.............................................................31参考文献..........................................................32附录A：英语引文及翻译.............................................34附录B：参考文献及摘要……………………………………………………………………45附录C：参考程序...................................................47王伟：基于遗传算法的神经网络在电网线损率的预测IV插图清单图5-1BP网络结构图................................................-9-图5-2BP神经网络模型的结构图.....................................-11-图5-3BP神经网络建立电网线损率预测的流程图.......................-13-图6-2RBF网络模型结构图..........................................-15-图6-3遗传算法流程图...............