基于双隐藏层神经网络和混沌时间序列短期电力负荷预测

基于双隐藏层神经网络和混沌时间序列短期电力负荷预测

ID:35062405

大小:5.83 MB

页数:60页

时间:2019-03-17

基于双隐藏层神经网络和混沌时间序列短期电力负荷预测_第1页
基于双隐藏层神经网络和混沌时间序列短期电力负荷预测_第2页
基于双隐藏层神经网络和混沌时间序列短期电力负荷预测_第3页
基于双隐藏层神经网络和混沌时间序列短期电力负荷预测_第4页
基于双隐藏层神经网络和混沌时间序列短期电力负荷预测_第5页
资源描述:

《基于双隐藏层神经网络和混沌时间序列短期电力负荷预测》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、顯方、為《乂#羯SOUTHWESTJIAOTONGUNIVERSITY蠢、硕±学位论文'■——M乂STERDISSERTATION—论文题目:基于双隐藏层神经网络和混巧时间序列的短期电力负荷预测'皋-学位类别;王学硕壬学科专业;控制理论与控制工程C占知;一",-'--C-占六r.安心;年级:2013辜.占冥是*??-二,研究生乃掉―心":周凯文3指导教师:张翠芳,地'斌'?—’—-t:V.巧一卷过。'’礙一堯齊5落二零一六年五月

2、古'-邊襄津'.';,|等音今诗.■.超芯撞辛午.TP:公开183密级国内图书分类号:62?1.3国际图书分类号:西南交通大学研究生学位论文某于双隐藏层神经网络和混巧时间序列的爲期电力负荷预测2M3年级姓名周凯文申请学位级别专业控制理论与控制工程指导老师张翠芳二零一六年五月五日ClassifiedIndex:TP183U.D.C:621.3SouthwestJiaot;ongUniversityM江sterDereeThesisgSHO

3、RT-TERMLOADFORECASTINGBASEDONDOUBLEHIDDENLAYERNEURALNETWORKANDCHAOTICTIMESERIESGrade:2013Candidate:ZhouKaiWenAcademicDegreeAppliedfor:M江sterSpeciality:Co打trolTheorandyControlEnineeringgSupervisor;ProfessorZhanCuifangg.1Ma5206y,西南交

4、通大学学位论文版权使用授巧书文的规定,同意学校保留并向国家本学位论文作者完全了解学校有关保留、使用学位论有关部n或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大、学可W将本论文的全部或部分内容编入有关数据库进行检索,可W采用影印缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1.;保密□,在年解密后适用本授权书2.不保密材,使用本授权书。""(请在W上方框内打V)指导老师签名:学位论文作者签名:曰期^心r<r:日期:西南交通大学硕±学位论文主要工作(贡献)声明本人在

5、学位论文中所做的主要工作或贡献如下:本文的主要目的是研究基于新的特征提取方法(DynamicFeatureNumberSelectDFW、,双隐藏层Softluse)p型神经网络(DoublLaerSoftNluseural_ypNetworks,DLSNN和本文改进的变界多初值差分进化算法_)(BoundarychaninMdtiinitialva山eDi筋rentatgg-ilEvo山ion,BMD的电力负荷预测巧,提高短期电力负荷预测精度。1.电力负荷数据在经过相空间重构之后会成为高维的向量数据,

6、本文在研究特征提取时发现,若固定特征值个数C7/的值不变,则计算效率较低。因此本文提出了一种根据预测向量的非线性强度来动态的确定C//的值新的特征提取方法,即DFNS法。从仿真结果可W看出,本文提出的特征提取方法优于固定C7/值的方法。2.本文针对提高电力负荷预测精度问题进行深入研究,发现dLSNN的学习_巧合能力要强于单隐藏层Sigmoid型NN,因此本文将DLSNN应用于短期电力_负何中。仿真结果显不DLSNN预测效果比单隐藏Sigmoid_层型NN好很多。3.为解决梯度下降法易陷入局部最小值的,通常使用DE来帮

7、助其寻优问题。但DE有收敛速度慢等缺点一,因此本文提出种改进的DE算法,即BMDE,提高了DE算法的计算能力。仿真结果证明了BMDE的寻优效果有所改进。4.本文将DFNSDLSNN,BMDE结合作为短期电力负荷_,预测的核也算法,对实验数据进行预测。结果显示,本文提出的算法较于现今己有的算法在电力负荷预测精度上有一定的提高。本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中己经注明引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体

8、,均己在文中作了明确说明一。本人完全了解违反上述声明所引起的切法律责任将由本人承担。学位论文作者签名:曰期:。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。