基于bp神经网络的电力系统短期负荷预测 short-term load forecasting based on bp neural network for electric power system.pdfVIP

下载本文档

21
0
约 4页
2017-08-13 发布于上海
举报
版权申诉

基于bp神经网络的电力系统短期负荷预测 short-term load forecasting based on bp neural network for electric power system.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

基于bp神经网络的电力系统短期负荷预测 short-term load forecasting based on bp neural network for electric power system

第34卷第6期黑龙江电力 2012年12月基于BP神经网络的电力系统短期负荷预测朱雨晨，加玛力汗·库马什，娜仁花 (新疆大学电气工程学院，新疆鸟鲁木齐830047) 摘要：电力系统短期负荷预测直接影响电力企业的经济效益。对此，选择预测Et前一天的电力负荷和阴晴、温度、湿度等气象特征数据作为网络的输入，预测日当天的电力负荷作为输出，建立了电力系统短期负荷BP神经网络模型。用历史负荷数据作为训练样本，对BP神经网络预测模型进行训练，用训练好的神经网络进行电力系统短期负荷预测。用真实历史数据对新疆某地区进行了电力系统负荷短期预测，结果表明，预测结果与实际值比较接近，1d 96个采样点的负荷预测平均准确率为98．45％。关键词：电力系统；BP神经网络；短期负荷预测中图分类号：TM715+．1 文献标识码：A 文章编号：1002—1663(2012)06—0439—03 Short--termload basedonBPneuralnetworkfor forecasting electric powersystem ZHU Yuchen。GamalihanoKumash．Narenhua ofElectrical (School 830047，China) Engineering，XinjiangUniversity，Urumuqi load forelectric influencestheeconomicbenefitofelectric Abstract：Shon—term forecasting powersystemdirectly short—termload isestablishedbasedonBPneuralnetworkforelectric powerenterprises．The forecasting power withthe loadand data and beforetheforecas． system power meteorologicalincludingweather，temperaturehumidity as the loadatthe as loaddatais as tingdayinput，andpower forecastingdayoutput．Thehistory adoptedtraining totrainBPnetwork model．Thenthetrainednetworkisusedinshort—termload sample forecasting forecasting． real dataisusedintheshort—termload fora in resultshows Besides，the history forecastingregionXinjiang．The thatthe isclosetothe withan 98．45％of96 in forecasting practice averageforecasti