基于rbf神经网络与模糊控制的电力系统短期负荷预测

《基于rbf神经网络与模糊控制的电力系统短期负荷预测》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、江苏大学硕士学位论文基于RBF神经网络与模糊控制的电力系统短期负荷预测姓名：张师玲申请学位级别：硕士专业：农业电气化与自动化指导教师：李正明;周新云20100601江苏大学硕士学位论文摘要短期负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著影响。目前，智能电网技术成为国家电网发展的一个新方向，这对负荷预测的要求越来越高，因此，应用智能算法进行电力系统的短期负荷预测，提高负荷预测的精度和稳定性，具有十分重要的意义。根据电力负荷特性的变化规律，考虑了日期类型、温度、天气情况等影响负荷预测的因素，本文提

2、出了一种将径向基函数(RadialBasisFunction，RBF)神经网络与模糊理论相结合的短期负荷预测的方法。首先，本文采用数据横向和纵向平滑处理法对负荷异点进行了处理，用相似日选取方法对缺失的数据来进行补遗，避免了因错误数据或者缺失数据对负荷预测精度造成的影响。其次，通过对实际地区电力负荷的特性分析，确定短期负荷曲线变化的主要影响因素，找出负荷变化的规律性，根据分析结果，选择对短期负荷预测影响最大的因素作为输入样本的特性指标，本文选取的是日期类型、最高温度、最低温度和天气情况。最后，将模糊控制理论引入到RBF神经网络，在RB

3、F神经网络预测模型的基础上，将预测点的相对误差和相对误差率作为模糊控制器的输入，负荷的修正因子作为输出，然后将RBF网络的预测值与模糊调整量的代数和作为最终的预测值，并根据实际地区的历史负荷数据进行了验证分析，将RBF神经网络与模糊控制相结合的方法与RBF神经网络方法进行了比较。实际算例表明，RBF神经网络与模糊控制理论相结合的预测方法加快了网络学习速度，提高了负荷预测精度，具有较好的应用前景。关键词：负荷预测，RBF神经网络，电力系统，模糊控制江苏大学硕士学位论文ABSTRACTShort—termloadforecastingi

4、sthebasisofthepowersystemoptimizationnmning．Ithassignificantinfluenceforsafety,reliabilityandeconomicalofpowersystem．Atpresent，intelligentnetworktechnologybecomesthenewdirectionofnationalpowergrid，whichhasmoreandmoredemandforloadforecasting，therefore，theapplicationofin

5、telligentalgorithmforshort·termloadforecasting，whichimprovingtheprecisionandstabilityoftheloadforecast，hastheextremelyvitalsignificance．Accordingtothecharacteristicsofelectricpowerloadvariation，consideringthedate锣pe，temperature，weatherconditionsofloadforecastfactors，th

6、epaperputsforwardashort·termloadforecastingmethodwhichisthecombinationofradialBasisFunction(RBF)neuralnetworkandfuzzytheory．Firstly,thepaperadoptsthehorizontalandverticaldatasmoothingmethodtoprocessdifferentloaddata,forthemissingdata,itusessimilarselectionmethodsforadd

7、enda，whichavoidstheimpactforloadforecastingaccuracybyerrordataormissingdata．Secondly，basedontheactualareaofpowerloadcharacteristicsanalysis，itdeterminesthemaininfluencefactorsoftheshort·termloadcurve．Accordingtotheresultsofanalysis，itchoicesthebiggestimpactfactorsofsho

8、rt—termloadforecastingasinputdata，thepaperselectsthecharacteristicparametersofthedaytype，thehi曲eSttemperature，thelowe