地区级电力负荷预测方法的研究.docVIP

  1. 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. 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. 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. 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. 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. 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. 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
查看更多

论文题目:地区级电力负荷预测方法的研究

摘要

摘要:投影是电力负荷理论的应用,根据电力负荷的构成和影响,考虑到与方法的应用有关的变化的历史数据、负荷因素的发现及其影响,并总结负荷趋势和准确的负荷可提供基本数据,在以下方面起着非常重要的作用本文初步分析了不同电力负荷预测方法和模型的优缺点及其对实际预测的适用性。对灰色模型预测理论中的GM(1,1)模型、人工神经网络中的BP神经网络、RBF神经网络和Elman神经网络进行了研究。

Abstract:powerloadforecastingistheapplicationofforecastingtheory,accordingtothecompositionofpowerloadandtheinfluenceofloadchangemethodtoconsiderthechangelawofhistoricaldata,tofindtheinternalrelationshipandlawbetweenloadandinfluencingfactors,summarizetheinfluenceandchangetrendoffutureload,andusethislawtopredictfutureload.Theaccuracyofloadpredictioncanprovidebasicdata,whichplaysaveryimportantroleindispatching,especiallyinthesafeandreliableoperationofpowersystem.Itisnecessarytostudyhowtofurtherimprovethepredictionaccuracy.Thispaperanalyzestheadvantagesanddisadvantagesofvariousforecastingmethodsandmodelsappliedtopowerloadforecasting,andtheapplicabilityofthesemodelsinpracticalforecasting.TheGM(1,1)modelinthegreymodelpredictiontheory,BPneuralnetwork,RBFneuralnetworkandElmanneuralnetworkintheartificialneuralnetworkwerestudied.Basedontheneuralnetwork,theapplicabilityofseveraldifferentneuralnetworkpredictionmodelsinthecombinedpredictionmodelwascomparedandanalyzed.

关键词:负荷预测GM(1,1)模型神经网络变权重组合

Keywords:loadforecastingGM(1,1)modelNeuralnetworkVariableweightcombination

目录

TOC\o1-3\h\z\u22456密级:普通保密至2020年06月30日 2

30826摘要 3

32449目录 4

158471选题背景及意义 1

101472国内外研究现状 1

235113.地区级电力负荷预测实例计算 2

302563.1某地区电力负荷特性分析 2

83763.1.1用电量比重统计 3

64283.2电力负荷周期性 3

230214.地区级电力负荷预测模型的建立 4

91394.1神经网络预测模型结构的确定 4

171885.负荷预测结果分析 5

190005.1短期负荷数据下组合预测的结果分析 5

127285.2中长期负荷数据下组合预测的结果分析 7

159216.结论 11

256717.参考文献 12

4660致谢 12

PAGE2

1选题背景及意义

负荷预测的准确性可以从使用预测模型提供的基线数据收集中获得,因为这种工作对作为其工作基础的作者至关重要,而且负荷预测在降低运营成本方面也发挥着重要作用。随着电网的迅速发展,根据

文档评论(0)

***** + 关注
实名认证
文档贡献者

乐于分享,有偿帮助。

版权声明书
用户编号:8070007123000004

1亿VIP精品文档

相关文档