摘要:电力系统在生产及生活中是最基本的系统之一，与我们有着密切的联系，电力系统负荷预测是电力系统研究的一个重要组成部分，超短期负荷预测是实现电力系统安全、稳定、优质、经济运行的基础，对电力系统来说，提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测．超短期负荷预测对于电网计划用电、合理安排电网运行方式和检修计划、加强需求侧管理特别电力紧张的用电高峰期的电力平衡管理具有重要意义．县域电网的超短期负荷预测可以使未来的电网运行情况更加合理、使电网在预定的安全、稳定条件下运行，也可以使整个系统在最经济的情况下运转．

总而言之，县域电网的超短期负荷预测对于我们来说十分重要．

本文主要对几种常用的超短期负荷预测方法进行简单的比较，重点在于利用人工神经网络(ANN)中的BP神经网络进行具体研究，论文中详细介绍BP神经网络的算法及流程，在实现负荷预测的基础上为提高预测精度对已有算法进行改进，后又将小波分析与BP神经网络相结合进行分析比较，并在方法分析后应用Matlab软件以实际数据的仿真对预测结果进行检测，证明运用人工神经网络模型对电网的负荷水平进行预测是可行也是可靠的．

关键词：人工神经网络；县域；超短期负荷预测；BP神经网络

 

目录

摘要

ABSTRACT

第1章 绪论-1

1.1 课题的背景和意义-1

1.2 负荷预测目前发展与现状-2

1.3 课题来源及内容-3

第2章 县域地区电网负荷特性-5

2.1 县域地区用电分析-5

2.2 电网负荷分析-5

2.3 县域地区电网负荷变化及波动-5

第3章 常用超短期负荷预测方法介绍-7

3.1 几种常用的负荷预测方法-7

3.2 影响负荷预测的因素-10

3.3 负荷预测的特性-11

第4章 人工神经网络方法分析-13

4.1 人工神经网络简介-13

4.2 人工神经网络原理-13

4.2.1 神经元模型-13

4.2.2 神经网络结构模型-14

4.2.3 人工神经网络的学习与训练-14

4.3 人工神经网络特性-14

4.4 人工神经网络在电力系统中的应用-15

4.5 BP神经网络结构-16

4.6 BP神经网络算法-16

第5章 BP神经网络在负荷预测中的应用-19

5.1 选择输入数据-19

5.2 量化处理影响因素-20

5.3 学习参数的选取-21

5.4 双隐层BP神经网络-22

5.5 双隐层BP算法的改进-24

5.6 BP神经网络隐层节点数-26

第6章 负荷预测的算例分析-27

6.1 海安县第一季度用电分析-27

6.2 海安县电力负荷预测实例分析-28

6.2.1 选择历史数据和训练参数-28

6.2.2 预测时间间隔比较-31

6.2.3 单隐层与双隐层预测结果比较-33

6.3 多隐层BP神经网络-36

6.3.1 多隐层BP神经网络算法-36

6.3.2 隐含层数选取-37

第7章 基于小波分析的负荷预测-45

7.1 小波分析法介绍-45

7.1.1 小波分析原理-46

7.2 小波分析和神经网络结合-47

7.2.1 基本结构及算法分析-47

7.2.2 预测步骤-48

7.2.3 算例分析-49

7.3 小波去噪声分析法-51

7.3.1 小波去噪法原理-51

7.3.2 小波去噪过程-52

7.3.3 小波去噪效果分析-52

7.4 小波去噪用于负荷预测-54

第8章 结论与展望-57

8.1 结论-57

8.2 不足之处与未来展望-57

参考文献-59

致 谢-60