毕业设计基于小波神经网络的电力负荷预测模型要点.docVIP

目 录 设计总说明 General description of the design 3 1 绪 论 1.1 选题的目的和意义 1.2 本课题的研究现状 1.3 本文所做的工作 2 电力负荷与预测概述 0 2.1电力负荷预测的含义 0 2.2电力负荷预测的目的和意义 1 2.3电力负荷预测的分类与特点 1 2.3.1 电力负荷预测的分类 1 2.3.2 电力负荷预测的特点 3 2.4 电力负荷预测的内容及程序 4 2.4.1 电力负荷预测的内容 4 2.4.2 电力负荷预测的程序 5 2.5 电力负荷预测的方法 6 2.6 电力负荷预测的误差分析指标 6 3 小波神经网络 9 3.1人工神经网络概述 9 3.1.1 人工神经元及其特性 1 3.1.2人工神经网络模型 3 3.1.3 前馈网络的学习模型和学习规则 4 3.2 小波神经网络及其特点 6 3.2.1 小波分析的概念和特点 6 3.2.2 小波变换的定义 7 3.2.3 小波变换的特点 9 3.2.4小波神经网络的提出 9 3.2.5 小波神经网络的学习算法 0 3.2.6 小波函数的选择 3 3.2.7 小波神经网络面临的挑战 3 4 MATLAB简介及M函数的建立 3 4.1 MATLAB简介 3 4.2 M文件的建立 3 5 电力负荷预测模型的设计 4 5.1 训练样本集的准备 4 5.2 网络模型结构设计 4 5.2.1 小波神经网络预测建模方法 4 5.2.2 小波神经网络的层数 4 5.2.3 小波神经网络各层的神经元个数 4 5.3 小波神经网络初始学习速率的确定 4 5.4 小波神经网络期望误差的确定 4 5.5 网络的训练与测试 4 6 网络模型结构设计 4 6.1 时序预测模型 4 6.1.1 时序预测模型结构设计 45 6.1.2 时序预测模型程序 45 6.2 多元回归预测模型 5 6.2.1 数据的采集与处理 5 6.2.2 网络模型结构设计 5 6.2.3 程序设计 5 6.2.4 程序运行与预测 5 结论与展望 5 参考文献 5 附录A 8 附录B 6 附录C 6 致谢 0  基于小波神经网络的电力负荷预测模型 电力系统短期负荷预测是指对未来一天到一周的负荷预测，其中最典型的是对未来一天的日负荷曲线预测，也是本文研究的重点。短期负荷预测不仅是电力企业经济地安排电网发电机组的起停，合理制订机组检修计划，减少不必要的旋转储备容量，保证电网运行的安全稳定性的关键，同时也是建设电力市场，实现促进电网和供电企业参与市场竞争、提高电力行业经济效益和社会效益的基本工作内容。电力负荷预测就是要通过实际电力系统负荷特性的分析，结合实际运行情况，运用数学和计算机方面的知识，建立合理准确的数学模型，最终得出精准的预测结果。 提高电力系统负荷预测的准确度既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。当前中短期电力负荷预测的大部分方法多衍生于传统的线性统计理论，由于电力负荷序列的复杂性和不确定性，难以获得精确的预测负荷值。 小波神经网络是建立在小波理论基础上的一种新型前馈神经网络，具有许多优良的特性。小波神经网络(以下简称小波网络)是结合小波变换理论与人工神经网络而构造的一种新的网络模型，它具有小波变换的时频局域化性质及神经网络的自学习功能，以及高度的非线性逼近能力和容错能力。短期负荷预测是负荷预测的重要组成部分，是电力系统运行调度中的重要内容。为更好地反映气象因素对负荷的影响及提高负荷预测的精度，构建了一种小波神经元网络负荷预测模型，以 Meyer 小波取代 Sigmoid 函数，采用误差反传学习算法来训练网络。小波神经网络 WNN(Wavelet Neural Network)是结合小波理论和人工神经网络而提出的一种前馈型网络。小波神经网络有完善的理论基础，有希望解决传统人工神经网络中存在的一些问题，是目前研究的热点之一，已经被用于故障诊断、样本分类、函数逼近和预测等方面。本文在综述了国内外电力系统负荷预测的研究现状基础上，对近几年来发展迅速的与电力系统负荷预测相关的小波分析理论进行了研究。结合小波变换和傅立叶变换在分析月电力负荷频谱特性的基础上，来确定小波函数及原始序列的小波分解层数，给出了一种小波神经网络电力系统负荷预测方法。通过小波变换将负荷序列分解并重构到原始序列尺度上，得到与原始序列长度相同的不同频段子序列，再对这些子序列分别采用BP神经网络预测，将子序列预测结果综合，得到最终的预测结果。该方法融合了小波分析良好的时频局部化特性和神经网络非线性逼近的优点，具有较强的逼近和预测能力。通过实例验证，对于数据较少的月负荷序列，该方法与传统的方