基于小波神经网络的电力系统负荷预测.pdfVIP

下载本文档

3
0
约1.13万字
约 3页
2017-06-14 发布于内蒙古
举报
版权申诉

基于小波神经网络的电力系统负荷预测.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

月科技创业刊ＰＩＯＮＥＥＲＩＮＧ WITH SCIENCE TECHNOLOGY MONTHLY 基于小波神经网络的电力系统负荷预测王伟（武汉船舶职业技术学院机械工程学院湖北武汉４３００５０）摘要：文章在介绍神经网络模型构成原理的基础上，针对传统模型在对非线性序列进行预测时速度慢、容易陷入局部次最优的缺点，引入小波作为隐含层的传递函数，构成新的预测模型：小波神经网络预测模型，并分析了小波神经网络在电力负荷预测领域的研究和应用现状。关键词：小波；ＢＰ神经网络；负荷预测中图分类号：TM715 文献标识码：Ａｄｏｉ：１０．３９６９/ｊ．ｉｓｓｎ．１６６５－２２７２．２０１7．05．０49 列尺度改变的子小波。０引言－１２ｘ－ｂ ψ ，（ｘ）＝ａ ψ ，随着经济社会的不断发展以及季节更替，电力系ａｂ（ａ）统负荷呈现出增长性和季节波动性两重趋势，这使得（ａ，ｂ∈Ｒ，ａ≠０）（１）负荷曲线变现为复杂的非线性组合。所以进行电网负式中：荷预测对电力系统的运行、控制及规划有重要意义。人 ψ（ｔ）——基本小波工神经网络预测法是目前最为常用的电力负荷预测方ａ——伸缩因子法之一，具有较高的预测精度，且适应性强、能逼近任ｂ——平移因子意函数。但神经网络本身所固有的预测速度慢、易陷入离散小波变换目的主要是降低连续变换系数的冗局部次最优的缺陷，直接限制其在工程实际中的广泛余度。一般采用对ａ、ｂ按幂级数离散的方法（即取ａ＝应用。ａｏ－ｍ，ｂ＝ｎｂｏａｏ－ｍ）将连续小波转换成离散小波： m/2 小波变换是一种信号处理方法。它由传统的傅里