混沌理論與神經網絡在電力系統(tǒng)短期負荷預測中的應用.pdf

1、隨著電力市場的快速發(fā)展，電力系統(tǒng)負荷預測越來越受到電力相關部門的重視。準確及時的電力負荷預測，可以經濟合理地安排電網內部發(fā)電機組的啟停，保持電網運行的安全穩(wěn)定性，減少不必要的旋轉儲備容量，合理安排機組檢修計劃，保證社會的正常生產和生活，有效地降低發(fā)電成本，提高經濟效益和社會效益。 本論文具體包括以下幾個方面的內容： 第一章從電力系統(tǒng)實際情況出發(fā)，總結了電力系統(tǒng)負荷的特點、電力系統(tǒng)負荷預測的特點和電力系統(tǒng)負荷預測的類型。接

2、著第二章討論了經典的和現(xiàn)代的電力負荷預測的主要方法，并研究分析了這些方法存在的優(yōu)點和不足，部分方法被應用于電力負荷預測實例。 第三章提出了一種改進的混沌理論預測方法?；煦缋碚擃A測方法是電力系統(tǒng)負荷預測應用得最廣泛的方法之一。用它進行電力負荷預測有如下幾步：首先對電力負荷歷史數據進行相空間重構，然后采用線性方法逼近混沌系統(tǒng)函數，最后用最小二乘法估計目標函數參數。因為與基向量相似程度不同的向量對目標函數的影響不同，所以要根據與基向量

3、的相似程度對目標函數加權。當前人們普遍采用關聯(lián)度來衡量相空間向量相似性。為了降低計算時間和計算復雜度，本文提出了用向量1-范數來衡量相空間向量相似性的辦法，并將該方法用于電力系統(tǒng)日負荷預測。根據預測結果顯示，該方法在保持預測精度的情況下，減少了計算量，縮短了計算時間。 第四章將RBF-AR神經網絡預測方法應用于電力負荷預測。它是一種用RBF神經網絡來逼近AR函數系數的非線性預測方法。本文采用SNPOM方法來辨識與優(yōu)化參數。該方法