电力系统短期负荷研究-毕业论文.docVIP

PAGE 题 目：电力系统短期负荷预测研究 目 录 TOC \o 1-3 \h \z \u 摘要 I Abstract II 第1章 绪论 1 1.1研究背景及意义 1 1.2国内外研究现状 1 1.3电力负荷预测理论概述 2 1.4本文研究内容 4 第2章 电力负荷特性分析 5 2.1短期负荷特性 5 2.2基本负荷分量研究 6 第3章 基于模糊控制的智能电网电力负荷预测 9 3.1神经网络概述 9 3.1.1BP神经网络 9 3.1.2RBF神经网络 13 3.2模糊理论 13 3.3基于模糊算法的神经网络 15 3.3.1RBF神经网络的建立 15 3.3.2负荷数据处理 17 3.3.3基于模糊算法的电力负荷预测设计 18 3.4仿真结果分析 22 3.4.1与RBF神经网络预测的比较分析 22 3.4.2与BP神经网络预测的比较分析 22 3.4.3预测日负荷曲线 23 结语 26 参考文献 27 致 谢 29 附录 MATLAB代码 30 PAGE 摘要 智能电网中的负荷预测是一项十分重要的工作，它在确保电力行业的稳健发展，社会经济的稳健发展这些方面都具有非常关键的价值。这篇文章陈述了BP、RBF这两种神经网络。因为BP网络存在训练易陷入局部极小点这种缺陷，因此这篇文章选用训练收敛速度相对较快、适应力较强的RBF网络，对于RBF网络的训练方式进行必要的研究。并且运用模糊算法对于神经网络实施必要的优化处理。经过运用matlab软件针对辽宁区域的负载实施对应的仿真处理，检验了此方式的实用价值。参照解析的相关结果，运用模糊算法对于神经网络实施必要的优化处理，从而对其网络导出数据实时必要的优化处理，由此提升预测数据的精度水平。 关键词：负荷预测；智能算法；智能电网；BP神经网络；模糊算法  Abstract Load forecasting in smart grid is a very important work, which is of great significance to ensure the healthy development of power industry and even to the development of the whole national economy. This paper introduces BP neural network and RBF neural network. Because BP network is easy to fall into local minimum in training, this paper uses RBF neural network with faster convergence and stronger adaptability to study the learning and training method of RBF neural network. Fuzzy algorithm is used to optimize the neural network. By using MATLAB software to simulate the load in Liaoning Province, the practicability of this method is verified. According to the analysis results, the fuzzy algorithm is selected to optimize the output of the neural network to improve the prediction accuracy. Key words: load forecasting; intelligent algorithm; smart grid; BP neural network; fuzzy algorithm 第1章 绪论 1.1研究背景及意义 在电力行业里面，其服务的对象就是电力用户，电力负载持续增大成为此行业发展的相关依据。对于电力负载进行准确的预测，这样能够确保无条件地为社会经济的各部门和民众的生活供应足够的电力能源，另外能够确保此行业本身稳健地发展。关于电力负载的预测工作，它其实是电力规划的核心构成方面，另外是电力规划的前提。实施全国范围的电力负载预测工作，为编定全国范围的电力规划供应了必要的参照，它指出了全国电力行业的发展水平、发展速度，此行业发展过程中的资金需求量等一系列