基于神经网络的短期负荷预测.doc

摘要：短期负荷预测对于电力部门的运营调度来说是很重要的一项工作，大众对它的预测方法的研究一直很重视。短期负荷预测的准确性直接影响了电力系统的经济调度与安全运行；也能够提高电力系统的稳定性，降低发电成本。随着我国电力方面的逐步发展及完善，短期负荷预测将在电力的运营中起很重要的作用。

本文分析了电力负荷预测的特点及原理，对于如今多种电力负荷预测方法的差异、优缺点进行了说明，也比较并选取合理的预测方法及模型，之后主要叙述了人工神经网络及其特点，并且针对上海电力负荷的实际情况，提出用人工神经网络来建立模型，预测电力负荷的变化。所以，这次选用BP神经网络，采用误差反向算法来建立预测模型并将电力负荷数据作为样本，来进行训练，以此来改善负荷预测模型，使其预测结果更接近实际的负荷。

在实际的预测结果和分析之后，较好的验证了上面提出的预测思路，预测的准确性也比较准确，也进一步说明了本文提出的方法对于电力系统的调度运营是有帮助的。

关键词 短期负荷预测；人工神经网络；BP算法

目录

摘要

Abstract

1 绪论-1

1.1 负荷预测的背景和意义-1

1.2 国内研究现状-1

1.3 本文主要研究内容-2

2 电力负荷预测分析-3

2.1 电力系统负荷预测-3

2.1.1 电力系统负荷预测的分类-3

2.1.2 电力系统负荷预测的特点和基本原理-3

2.1.3 电力负荷预测的影响因素-4

2.2 电力系统短期负荷预测-4

2.2.1 短期负荷预测流程-4

2.3 短期电力负荷预测的主要方法及模型-6

2.4 预测方法比较-7

3 人工神经网络-8

3.1 神经网络的发展概述-8

3.2 人工神经网络的特点-8

4 BP神经网络-10

4.1 BP神经网络基本原理-10

4.2 BP神经网络结构-10

4.3 BP算法的数学描述-11

4.3.1 顺序传播过程-11

4.3.2 误差反方向传播过程-12

4.4 BP神经网络的主要特点-14

5 系统设计与matlab实现-15

5.1 神经网络模型结构设计-15

5.2 输入变量、输出变量的处理-15

5.3 负荷数据样本的训练与学习过程-16

5.4 BP神经网络负荷预测模型的程序实现-17

5.4.1 神经网络的训练与学习过程-18

5.4.2 神经网络预测模型的预测过程-19

5.5 具体实例负荷预测及结果分析-20

 5.6 matlab仿真实现-24

5.6.1 仿真结果-24

5.6.2 预测结果分析-26

结论-27

致谢-28

参考文献-29

附录-30