BP神经网络的短期负荷预测研究

本文ID：120344

(字数：18303)

XCLW5396 BP神经网络的短期负荷预测研究 (字数：18303)

摘要

电力系统短期负荷预测对未来1日至1周的负荷进行预测。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。本文介绍了一种基于BP神经网络的短期负荷预测方法。其中首先根据实际经验将一周的7天分为工作日（星期一到星期五）和休息日（星期六和星期天）等两种类型；然后建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过最小二乘法预测日最大负荷和日最小负荷。利用相应的BP神经网络方法对未来24小时负荷进行短期预测。

关键词：最大负荷负荷预测电力系统神经网络

摘要I

引言1

课题背景1

第1章电力负荷预测综述2

1.1 电力负荷预测的含义2

1.2 电力负荷预测的意义2

第2章负荷分析3

2.1 电力负荷分析3

第3章电力负荷预测的内容及程序4

3.1 电力负荷预测的内容4

3.1.1 最大有功负荷及其分布4

3.1.2 无功负荷及其分布4

3.1.3 需电量4

3.1.4 电力负荷曲线及其特征值4

3.2 电力负荷预测的程序5

3.2.1 准备阶段5

3.2.2 实施预测阶段6

3.2.3 评价预测阶段6

3.2.4 提出预测报告阶段7

第4章电力负荷预测模型及基本算法8

4.1 电力负荷预测模型8

4.1.1 基本正常负荷分量模型8

4.1.2 天气敏感负荷分量模型10

4.1.3 特别事件负荷分量模型10

4.1.4 随机负荷分量模型11

4.2 电力负荷预测基本算法13

4.2.1 经典预测方法13

4.2.2 现代负荷预测方法14

第5章电力短期负荷预测研究18

5.1 基于温度准则的外推方法18

5.2 基于人工神经网络日负荷预测20

5.2.1 人工神经网络简介及其原理20

5.2.2 BP网络22

第6章电力系统短期负荷预测建模及MATLAB实现27

6.1 基于神经网络的预测原理27

6.1.1 正向建模27

6.1.2 逆向建模27

6.2 电力系统短期负荷预测建模及MATLAB实现28

6.2.1 问题描述28

6.2.2 输入、输出向量设计29

6.2.3 BP网络的设计30

6.2.4 网络训练计算出预测日24点的归一化系数31

6.2.5 模型优点35

6.2.6 结论分析36

参考文献40