神经网络在电力系统负荷预测中的初步研究

《神经网络在电力系统负荷预测中的初步研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、HUBEIUNIVERSITYOFSCIENCEANDTECHNOLOGY科技论文写作写作实践报告书目：神经网络在电力系统负荷预测中的初步研究姓名：学号：103521002专业：电气工程及其自动化指导老师：程老师设计时间：2013年4月电子与信息工程学院神经网络在电力系统负荷预测中的初步研究董桥103521002（湖北科技学院电气工程企及自动化专业，湖北咸宁）【摘要】电力系统的负荷预测是电力系统规划的基础，对配电系统和新发电厂的建立具有重要意义。传统的预测方法是通过数学模型来分析店里负荷与其影响因素的关系,但是

2、由于他们之间存在非线性关系且因素之间存在冗余信息，传统的数学模型在电力负荷预测中精度较低，也很难建立一个使用于任何情况的表达式。现在通过对人工神经网络在短期电力负荷预测中应用的分析，对其进行初步的研究与探讨。【关键词】电力系统人工神经网络初步负荷预测InitialresearchonPowerLoadForecastingBaseonNeuralnetworkDongQiao(Hubeiuniversityofscienceandtechnologyofelectricalengineeringandautom

3、ation,Hubei,xianning)【Abstract]loadforecastofpowersystemisthefoundationofpowersystemplanning,whichhaveagreatsignificancetotheestablishmentofthedistributionsystemandnewpowerplant.Tlictraditionalforecastingmethodsistoanalyzestoreloadanditsinfluencefactorsbymat

4、hematicalmodel,however,thenonlinearandredundantinformationexitinthefactors,theforecastingprecisionisverylow.AnditisalsodifficulttoestablishauseexpressioninanysituationoNow,tliroughtheanalysisoftheapplicationofartificialneuralnetworkinshort-termloadforecastin

5、g,Withthediscussionoftheprcliminaiystudyo【keywords】powersystemNeuralnetworksinitialresearchloadforecast1、引言电力系统负荷预测是电力系统管理的一项十分重要的R常工作，其预测精度直接影响到电力系统的运行安全兴，经济型以及电能质量⑴。传统的电力负荷短期预测方法有线性冋归、指数平滑、自冋归移动平均、马尔尔科夫链等方法⑵。电力系统负荷变化周期性强，且与人口总量的变化、社会经济的发展、环境因素特别是天气温度等的变化因素

6、有关，从而使得电力系统负荷具有时变性。人工神经网络具有良好的非线性处理能力，它固有的并行结够和并行的处理特性、知识的分布存储特性、良好的存储特性以及高度的卄•线性等特点，使其收敛速度快，算法实现容易，可以获取数据见的规律性，建立输入与输出数据见得映射关系，得出预测结果。电力负荷预测是根据自然条件、系统运行状态、社会影响、增容决策等多种因索，利用一种数学方法和模型处理电力系统负荷，在满足特定精度要求下，确定未来某个时刻的电力负荷数据。人工神经网络是非线性处理系统，各种神经网络屮的计算都会遇到菲线性的问题，本文就是

7、在电力系统符合预测的基础上，介绍人丁神经网络在短期负荷中的应用，且分析了它的优缺点和在以后的工作中要解决的问题。2.人工神经网络的结够进行负荷预测的人工神经网络分为3层，即输入层、中间隐含层和输出层,这3层分别有p、q和n个神经元元素。它是具有无反馈的、层内无互联的多层结构的神经网络，各层间的神经元为全连接关系，层内的神经元Z间无连接。它正想计算输出一一反向传播误差。转移函数sigmoid函数f(x)=1/(1+Q),其一阶导数f(x)二f'(x)*[1-f(X)]o图13.BP算法(ErrorBackProp

8、agationneuralnetwork)(1)初始化为连接权值w、V及阈值a、r赋予【-1,1]区间的随机值，t时刻数据采用以下归一化公式【込L^t=(Lt-Lmin)/(Lmax-Lmin)(其中t=l,2…，24)在输出层换算回负荷值Lt=(Lmax-Lmin)*Lt+Lmin(2)随机选取一个学习模式对(”，yk)提供给网络(3)计算输入层的的输出输入层的输出向量与输入模式响亮