基于bp神经网络的电力系统负荷预报资料.pptVIP

基于BP神经网络的电力系统负荷预报 报告主要内容 电力系统负荷预报的问题描述 BP神经网络原理概述 仿真实验 问题描述 近几年，我国南方一直处于“电荒”的被动情况，为了更好地利用电能，必须做好电力负荷的短期预报工作。负荷预报的误差将导致运行和生产费用的剧增，因此，精确的预报就成了电力工作者和其他科技人员致力解决的问题 电力系统负荷变化受多方面影响 ，呈现强烈的非线性特性 负荷预报的通常的3种解决办法 1.统计技术 ：分时间系列模型和回归模型 。缺点：不能充分利用对负荷性能有很大影响的气候信息和其他因素，建立精确模型困难 2.专家系统 ：利用专家的经验知识和推理规则，使节假日或有重大活动日子的负荷预报精度得到了提高 。 缺点：把专家知识和经验等准确地化为一系列规则是不容易的 3. 神经网络 众所周知，负荷曲线是与很多因素相关的一个非线性函数 。对于抽取和逼近这种非线性函数，神经网络是一种合适的方法。 神经网络的优点：具有模拟多变量而不需要对输入变量做复杂的相关假定的能力。它不依靠专家经验，只利用观察到的数据，可以从训练过程中通过学习来抽取和逼近隐含的输入／输出非线性关系 近年来的研究表明，相对于前两种方法，利用神经网络技术进行电力系统短期负荷预报可获得更高的精度 BP神经网络概述 BP网络的学习由4个工程组成： 模式顺传播 误差逆传播