欢迎来到天天文库
浏览记录
ID:32233218
大小:3.45 MB
页数:58页
时间:2019-02-01
《电力市场条件下地区电网负荷预测的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、华北电力大学(保定)硕士学位论文电力市场条件下地区电网负荷预测的研究姓名:闪光申请学位级别:硕士专业:电气工程指导教师:刘观起;安军20080510华北电力大学工程硕士学位论文摘要摘要本文首先概述了乌海地区电力市场概况,对电力系统的短期负荷预测的各种传统方法及现代方法进行了综述,并重点研究了人工神经网络在短期电力负荷预测中的应用。针对神经网络中最常用的算法所存在的收敛速度慢,容易陷入局部极值的问题,采用遗传算法优化神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性。根据负荷的不同规律,分别建立工作日、休息日不同的预测模型。在电力市场环境下,引
2、入了电价因子作为负荷预测的一个影响因素,使得预测更加合理。论文以乌海地区的负荷作为预测对象,应用本研究对象进行短期负荷预测,结果较为满意,能够满足实际生产的要求。关键词:人工神经网络,遗传算法,短期负荷预测AbstractFirstly,thefeathersofⅥ~haielectricmarketaregeneralizedinthisthesis.Andthenitmakesasummaryofmanytraditionalandmodemloadforecastingteclulologies,especially'introducestheapplication
3、ofANNinelectricpowersystemshort-temlloadforecasting.geneticalgoritlHnisusedtochooseamorereasonable行ameofANN.dif.ferentforecastingmodelshaVebeenestablishedrespectively,includingworkdaymodel,weekendmodel.UnderthemarketenVir0I皿ent觚innuencef.actor.priceisalsoconsideredasaninputfactor,whichcan
4、makeestimatemorereasonable.Thethesisregardsthepower黟idofW.uhaiasthetargetofforecasting;applythe伊oupinggeneticalgoritllIIlneuralnetworktocarryonmeshort—temIoadforecasting.Theforecastingresultsshowmatthemodeusingforshort-temloadforecastingbygeneticalgoritllIIlneuralnetworkiscomparatiVelysat
5、isfiedandc锄satis矽therequestofactualproduction.ShanGuang(EIectr.cMarl幻etanditsAppIication)Directedbyprof.LiuGuanqiKEYWoRDS:ArtificiaINeuralNetwork,GeneticAlgorithm,Short—termLoadForecasting华北电力大学工程硕士学位论文摘要摘要本文首先概述了乌海地区电力市场概况,对电力系统的短期负荷预测的各种传统方法及现代方法进行了综述,并重点研究了人工神经网络在短期电力负荷预测中的应用。针对神经网络中最常
6、用的算法所存在的收敛速度慢,容易陷入局部极值的问题,采用遗传算法优化神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性。根据负荷的不同规律,分别建立工作日、休息日不同的预测模型。在电力市场环境下,引入了电价因子作为负荷预测的一个影响因素,使得预测更加合理。论文以乌海地区的负荷作为预测对象,应用本研究对象进行短期负荷预测,结果较为满意,能够满足实际生产的要求。关键词:人工神经网络,遗传算法,短期负荷预测AbstractFirstly,thefeathersofⅥmhaielectricmarketaregeneralizedinthisthes
7、is.Andthenitmakesasummafyofmanytraditionalandmodemloadforecastingtechnologies,especially,introducesthe叩plicationofANNinelectricpowersyst锄short-termloadforecasting.geneticalgoritlHnisusedtochooseamorereasonable行锄eofANN.dif.ferentforecastingmodelshavebeenestablishedre
此文档下载收益归作者所有