基于天气敏感模型的短期电力负荷预测.doc

基于天气敏感模型的短期电力负荷预测.doc

ID:58404419

大小:719.50 KB

页数:65页

时间:2020-05-09

基于天气敏感模型的短期电力负荷预测.doc_第1页
基于天气敏感模型的短期电力负荷预测.doc_第2页
基于天气敏感模型的短期电力负荷预测.doc_第3页
基于天气敏感模型的短期电力负荷预测.doc_第4页
基于天气敏感模型的短期电力负荷预测.doc_第5页
资源描述:

《基于天气敏感模型的短期电力负荷预测.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于天气敏感模型的短期电力负荷预测摘要电力系统短期负荷预测是电力部门的一项重要工作,对其预测方法的研究一直为人们所重视。短期负荷预测的准确与否将直接关系到电力系统的安全运行和经济调度,便于更合理地安排电网设备调度及检修计划;还能提高电力系统运行的稳定性,减少电网的发电成本。随着我国区域性电力市场的逐步建立和完善,短期负荷预测工作将在电力市场运营中占据十分重要的地位。本文首先介绍了短期电力负荷预测研究的目的和意义,分析了电力系统负荷的组成,介绍了电力负荷预测的内容和基本算法。着重阐述了人工神经网络(ANN)进行负荷预测的基本原理,并针对一个实际地区电力负荷的具体情况,提出用人工神经网络建

2、立模型来预测其负荷的变化。其次,该模型将电力负荷的变化考虑成:系统的基本负荷、温度的差异、天气的改变和同期的类型(工作日与节假日),这些主要因素共同决定的。因此,本文采用改进的三层BP型人工神经网络来建立负荷预测模型,以上述影响负荷的主要因素作为数据样本,进行神经网络的自我训练和学习,并且在不断地训练和学习的过程中引入误差反方向传播算法(即BP算法)来修正神经网络的连接权重,从而达到对负荷预测模型的改良和完善,进一步贴近实际的负荷变化。同时,在负荷预测模块运行结束后,本文还将因电力线路或设备检修损失的负荷量也作为影响因素进行了考虑,从而得出更精确的预测负荷值。在实际的负荷预测算例结果与

3、分析中,上述的预测思路得到了较好的印证,其预测的精度也较高,完全满足了电力部门运行和经济调度的实际要求,减少了购电成本,提高了电力部门的经济效益和电网调度技术人员的工作效率,保障了电网运行的安全。关键字:短期负荷预测人工神经网络BP算法ResearchForPowerSystemShort-TermLoadForecastingAbstractPowersystemshort—termloadforecasting(STLF)isallimportanttaskofpowerutilities,SogreatattentionhasalwaysbeenpaidonmethodsofST

4、LF.Loadforecastingisrelatedtooperationsecurityandeconomicaldispatchingofpowersystem,whichisusedtoarrangetheequipmentsdispatchingandrepairing.Alsoitcanadvancethestabilityofpowersystemandsavegenerationcosts.WiththedevelopmentofareapowermarketinChina,STLFwillplayanimportantroleintheoperationofpower

5、market.Thisarticlefirstdescribesthepurposeandsignificanceofshort-termpowerloadforecasting,analysisofpowersystemload,anddescribesthecontentsandbasicalgorithmforpowerloadforecasting.Focusedontheartificialneuralnetwork(ANN)forloadforecastingprincipleandforarealloadinspecificsituations,madeusingarti

6、ficialneuralnetworkmodeltopredictchangesofitsload.Inthesecondstep.Themodeldevisestheloadintoafewmainpans:basicload,differenceoftemperatureandweather,differentdaytype(workingdayandholidays).SoimprovedBPNetworkofthreelayersareusedtosetupthemodel.Thefactorswhicheffecttheloadarethesamples,andthrough

7、self-trainingandstudytofinishthemodel.Thispaperusesthree-BPANNtosetupaloadforecastmodel,abovefactorsareusedasdatasamplesThoughtheself-trainingandself-studyofthenetwork,andintheprocessoftrainingandstudycontinuouslyintroduces(

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。