模糊聚類分析與神經(jīng)網(wǎng)絡(luò)代數(shù)算法相結(jié)合的短期負(fù)荷預(yù)測(cè).pdf

1、短期負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)的安全生產(chǎn)和經(jīng)濟(jì)運(yùn)行起著重要的作用，是制定發(fā)電計(jì)劃和輸電方案的重要依據(jù)，短期負(fù)荷預(yù)測(cè)精度直接影響到電力系統(tǒng)運(yùn)行的穩(wěn)定性、經(jīng)濟(jì)性和供電質(zhì)量。隨著我國(guó)電力市場(chǎng)化進(jìn)程不斷的深入，短期負(fù)荷預(yù)測(cè)的重要性也越來(lái)越受到重視。本文圍繞這一課題進(jìn)行了研究和探討，提出了模糊聚類分析與神經(jīng)網(wǎng)絡(luò)代數(shù)算法相結(jié)合的短期負(fù)荷預(yù)測(cè)組合方法，充分發(fā)揮了人工神經(jīng)網(wǎng)絡(luò)處理非線性問(wèn)題、自主學(xué)習(xí)的優(yōu)勢(shì)和模糊聚類分析處理不確定性等模糊特征的能力。針對(duì)影響電力

2、負(fù)荷變化的因素眾多，將天氣因素、溫度、日類型等主要的影響因素考慮到預(yù)測(cè)模型中，使得預(yù)測(cè)結(jié)果更加貼近實(shí)際。
　　 首先，本文綜述了短期負(fù)荷預(yù)測(cè)的研究背景和意義、國(guó)內(nèi)外的發(fā)展現(xiàn)狀，分析了現(xiàn)有負(fù)荷預(yù)測(cè)方法的特點(diǎn)，明確了論文的主要研究?jī)?nèi)容。
　　 其次，通過(guò)對(duì)負(fù)荷預(yù)測(cè)基本理論的闡述，重點(diǎn)分析了負(fù)荷的影響因素、負(fù)荷預(yù)測(cè)原理和預(yù)測(cè)過(guò)程，并將天氣因素、溫度、日類型等主要影響因素考慮到預(yù)測(cè)模型中。介紹人工神經(jīng)網(wǎng)絡(luò)的基本理論，詳細(xì)描述了B

3、P神經(jīng)網(wǎng)絡(luò)算法的基本原理、學(xué)習(xí)過(guò)程、存在的不足之處及相應(yīng)的改進(jìn)方法。針對(duì)BP神經(jīng)網(wǎng)絡(luò)算法存在網(wǎng)絡(luò)學(xué)習(xí)收斂速度慢、容易陷入局部最小和無(wú)法在訓(xùn)練之前確定隱含層神經(jīng)元個(gè)數(shù)等缺陷，本文引入代數(shù)算法來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)代數(shù)算法，并闡述了該算法的基本原理、學(xué)習(xí)過(guò)程和優(yōu)點(diǎn)，從根本上克服了BP神經(jīng)網(wǎng)絡(luò)算法的缺點(diǎn)。
　　 然后，本文引入了模糊聚類分析方法，對(duì)歷史數(shù)據(jù)、天氣因素、溫度、日類型等原始數(shù)據(jù)進(jìn)行了歸一化處理，建立模糊等價(jià)矩