基于遗传神经网络在电网线损率的预测毕业论文.doc

基于遗传神经网络在电网线损率的预测毕业论文 引 言 1 第1章 概述 2 第2章 电网线损计算的理论基础 3 2.1 线损的定义 3 2.2 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 8 5.1人工神经元网络简介 8 5.2 BP神经网络的基本结构和算法 8 5.3 BP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 14 6.1 RBF神经网络 14 6.2 遗传算法的基本原理 17 6.3 遗传算法优化 RBF 网络的算法设计 19 第7章 算例分析 23 7.1 机理分析与辅助变量的选择 23 7.2 数据采集和预处理 23 7.3 基于多灰色模型组合建模的线损率预测 25 7.4 基于BP神经网络的线损率预测 25 7.5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 插图清单 图 5- 1 BP网络结构图 - 9 - 图 5- 2 BP神经网络模型的结构图 - 11 - 图 5- 3 BP神经网络建立电网线损率预测的流程图 - 13 - 图 6- 2 RBF 网络模型结构图 - 15 - 图 6- 3遗传算法流程图 - 18 - 图 6- 3染色体编码串 - 19 - 图 6- 5交叉操作 - 21 - 图 6- 5算法整体流程 - 22 - 图 7- 1灰预测GM(1，5)模型的拟合情况 - 25 - 图 7- 2 BP网络模型的拟合情况 - 26 - 图 7- 3基于遗传算法的RBF网络线损率预测模型的拟合情况 - 27 - 图 7- 4基于遗传算法的RBF网络线损率预测模型的预测情况 - 27 - 图 8- 1三种模型拟合情况比较图 - 29 - 图 8- 2三种模型预测情况比较图 - 29 - 表格清单 表 7- 1灰关联度计算结果汇总 - 23 - 表 7- 2处理后的原始数据表 - 24 - 表 7- 3 BP神经网络模型校验数据预测情况对照表 - 26 - 表 7- 4 RBF神经网络模型校验数据预测情况对照表 - 28 - 表 8- 1三种模型比较表 - 30 - 引 言 电能是当代社会使用最广泛的能源。随着现代社会的发展，电能的应用已经深入到生产、生活的每一领域，成为国民经济发展的命脉。世界各国特别是工业较发达国家，非常重视电能的开发、利用、节约和管理，以期通过技术进步，合理利用和大力节约等途径，以最小的电能消耗取得最大的经济效益[1]。目前，随着我国经济建设的不断进步，我国电力事业得到前所未有的发展，尽管如此，仍然需要提高电能发展水平以加快国民经济的腾飞。 在一个供电地区内，电能通过电力网的输电、变电和配电的各个环节供给用户。在电能的输送和分配过程中，电网各个元件都要产生一定数量的有功功率损耗和电能损耗。电力网电能损耗简称线损，是电网经营企业在电能传输和营销过程中自发电厂出线起至客户电度表止所产生的电能消耗和损失。线损率是衡量线损高低的指标，它综合反映和体现了电力系统规划设计、生产运行和经营管理的水平，是电网经营企业的一项经济技术指标。各电网经营企业要建立适应商业化运营的线损管理制度，将线损率降低到合理的水平，努力提高企业经济效益。 随着电力市场的建立和发展，电力系统线损管理显得越来越重要。线损的大小综合反映了电力系统的规划设计水平和运行管理水平，也反映了电力系统运行的经济性。无论是工程领域还是科研领域都十分重视对线损的研究，工程领域希望能找到最有效的降损策略，使系统能够达到最经济的运行状态，降低成本，提高效率。而科研人员希望通过对线损的研究，找到系统经济与稳定的结合点，并能够通过损耗大小及分布对系统结构给出评价。因此，线损分析是电力系统的一项重要研究课题和工作。 输电网线损计算方法研究的主要目的是确定一种计算方法，通过这一方法科学、准确、合理地计算出输电网理论损耗电量。根据线损的构成，即线路损失和变压器损失所占的比例、可变损失和不变损失所占的比例，可以发现输电网的薄弱环节，确定降损的主攻方向，以便采取有效措施，降低线损。从而促进供电企业降低能耗，提高经济效益；优化电网规划设计方案，促进电网的建设与改造；加强运行管理，使电网处于经济运行状态；提高供电能力，缓解供电能力不足局面。 输电网线损是供电企业的一项重要经济指标，各级供电企业在生产营销工作中，都必须进行输电网线损计算