版權(quán)說(shuō)明：本文檔由用戶(hù)提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大連理工大學(xué)碩士學(xué)位論文基于遺傳神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究姓名：陳艷申請(qǐng)學(xué)位級(jí)別：碩士專(zhuān)業(yè)：水文學(xué)及水資源指導(dǎo)教師：程春田20051201陳艷：基于遺傳神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)研究InvestigationontheShort—TermLoadForecastingofElectricPowerSystemBasedonGeneticNeuralNetworkAbstractneshort—termloadforecastingo
2、felectricpowersystempredictingelectricloadforaperiodofhours，days，orweeks，isOilimportantresearchareaofelectricpowersystem’SoperationItistheimportantfoundationofthestudyonelectricsystemplanningproblem，economicalrunningandd
3、ispatcherautomationFurthermorewi也theestablishmentofpowermarketshort—termloadforecastingwillplayamoreimportantroleinthefutureWiththepowersystembecomingmoreandmorecomplex，itsdemonstratedthatthosetraditionalloadforecastingt
4、echnologiescan’tsatisfytherequirementofloadforecastingaccuracy，whichbecomesmoreandmorestrictSousingintelligenttechnologiestoimprovetheforecastingaccuracyandstabilityoftheloadforecastingofelectricpowersystemisanewcharacte
5、roftheshorttermloadforecastingfieldofelectricpowersystemFirstly，theprinciple，features，currentstatusanddevelopmentoftheelectricpowersystemshorttermloadforecastingaregeneralizedinthisthesisAndthenitmakesasummaryofmanytradi
6、tionalandmodemloadforecastingtechnologies，especially，introducestheapplicationofANNinelectricpowersystemshort—termloadforecastingInordertoimproveBPalgorithm’Sefficiency，thispapergivesseveralimprovedtrainingalgorithmsusedi
7、nBPneuralnetworkConsideringthatthenumberofnerveeellinhiddenlayer，initialweightandunit’Sbiasvaluearethemostimportantfactorstotheforecasting’sprecisionofA№q，geneticalgorithmisusedtochooseamorereasonableframeofANNGeneticalg
8、orithmisgoodfordecidingtheproperfabricofnetandhelptheANNtoconquerit’SdisfigurementGA—BPalgorithmmakesuseofthestrongpointsofGAandBPalgorithmtheresultsoftheexampleshowthatGA—BPalgorithmisbetterthanBPalgorithmonlyAtlast，mak
9、eweatherasainputfactorofBPneuralnetworktheexampleofKunMing’SloadforecastingindicatesthatthismethodhasbetterdefinitionandismoresnitableforcommonconditionKeyWords：ShortTermLoadForecasting；NeuralNetwork；BPAlgorithm；GeneticA
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 應(yīng)用信息熵和遺傳神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè).pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷短期預(yù)測(cè).pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究.pdf
- 短期負(fù)荷預(yù)測(cè)論文：基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究-（word可編輯）
- 基于混沌神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷短期預(yù)測(cè).pdf
- 基于量子神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)的研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的大連地區(qū)短期電力負(fù)荷預(yù)測(cè).pdf
- 基于遺傳BP神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)研究
- 基于主成分分析法的遺傳神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)的研究.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法的電力負(fù)荷短期預(yù)測(cè)研究
- 基于神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的股市預(yù)測(cè).pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)與研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷組合預(yù)測(cè)方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷在線預(yù)測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論