版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、電力系統(tǒng)負荷預測是電力部門實施發(fā)電計劃,負荷管理,系統(tǒng)安全性能評估的重要依據。隨著世界范圍內電力市場化進程的不斷深入,一點小的預測誤差往往就意味著較大的經濟損失,因此負荷預測的有效和精準性也越發(fā)顯示出其空前的經濟效益。此外,負荷預測也是預測與制定電價的重要基礎,其預測的精度直接影響到電力系統(tǒng)運行的安全性、經濟型。
本文首先概述了電力系統(tǒng)短期負荷預測的原理和研究現狀,對預測的一些常用方法進行了綜述。然后對公開的負荷數據進行了
2、特征分析,詳細的闡述了實際電力負荷表現出來的周期性與規(guī)律性,為后文的負荷類型分析以及數據的處理打下理論基礎。應用小波變換的時頻暫態(tài)分析特性,通過經典的Mallat算法,將原始負荷序列進行三層小波分解。分解后的負荷子序列包含了不同的周期與頻率信息,然后根據各個分量的特點構造自適應的神經網絡模型分別進行負荷預測。在神經網絡的訓練過程中,一種改進的粒子群算法(AMPSO)被引用來訓練神經網絡網絡的權值。該算法的特點是引入了變異與進化的環(huán)節(jié),使
3、得AMPSO算法相比較于傳統(tǒng)的BP算法,具有沿著最優(yōu)途徑加速達到全局最優(yōu)解的功能,從而使得神經網絡通過訓練后能夠達到最小的輸出誤差。之外,負荷數據的歷史相關性分析也被引入到神經網絡的輸入向量設計環(huán)節(jié)中,保證了神經網絡的輸入向量一定是與預測時刻最相關的數據。最后,各個神經網絡模型的輸出值經過小波重構得到最終的預測負荷數據。
結合實際的歷史負荷數據和氣象信息,本文在不同的時間段上使用本文介紹的方法對負荷進行了預測,且用一些保留
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波和神經網絡的電力系統(tǒng)短期負荷預測.pdf
- 基于小波和神經網絡算法的電力系統(tǒng)短期負荷預測的研究.pdf
- 小波神經網絡在電力系統(tǒng)短期電價預測中的應用.pdf
- 基于小波神經網絡的電力系統(tǒng)負荷預測.pdf
- 人工神經網絡在電力系統(tǒng)中的應用電力系統(tǒng)短期負荷預測.pdf
- 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
- 基于神經網絡的電力系統(tǒng)短期負荷預測研究(1)
- 基于BP神經網絡的電力系統(tǒng)短期負荷預測.pdf
- 基于混沌神經網絡的電力系統(tǒng)短期負荷預測.pdf
- 基于人工神經網絡的電力系統(tǒng)短期負荷預測的應用分析.pdf
- 基于小波的電力系統(tǒng)短期負荷預測.pdf
- 基于神經網絡智能算法的電力系統(tǒng)短期負荷預測研究.pdf
- 基于小波變換與支持向量機的電力系統(tǒng)短期負荷預測.pdf
- 基于BP神經網絡的電力系統(tǒng)短期負荷預測研究.pdf
- 基于神經網絡的電力系統(tǒng)短期負荷預測方法研究.pdf
- 基于遺傳BP神經網絡的電力系統(tǒng)短期負荷預測.pdf
- 基于混沌理論和小波變換的電力系統(tǒng)短期負荷預測.pdf
- 短期電力負荷的小波神經網絡預測.pdf
- 基于RBF神經網絡與模糊理論的電力系統(tǒng)短期負荷預測.pdf
- 基于小波和神經網絡理論的電力系統(tǒng)負荷預測研究.pdf
評論
0/150
提交評論