資源描述:
《基于灰色理論和神經(jīng)網(wǎng)絡(luò)的中長期電力負(fù)荷預(yù)測(cè)的研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中圖分類號(hào)丁M715論文編號(hào)1006015-0206學(xué)科分類號(hào)510.8060密級(jí)A身礞旁TIANJINUIMIVERSITYOFTECHNOLOGY碩士學(xué)位論文基于灰色理論和神經(jīng)網(wǎng)絡(luò)的中長期電力負(fù)荷預(yù)測(cè)的研究Researchofmid-longTermPowerLoadForecastingBasedonGreyTheoryandNeuralNetwork‘一級(jí)學(xué)科:控制科學(xué)與工程控制科學(xué)與工程學(xué)科專業(yè):楊超作者姓名:王云_指導(dǎo)教師:天津理工大學(xué)研究生部二o—五年三分類號(hào):510.8060密級(jí):天津理工大學(xué)研究生學(xué)
2、位論文基于灰色理論和神經(jīng)網(wǎng)絡(luò)的中長期電力負(fù)荷預(yù)測(cè)的研究(申請(qǐng)碩士學(xué)位)學(xué)科專業(yè):控制科學(xué)與工程研究方向:控制理論與控制工程作者姓名:楊超指導(dǎo)教師:王云亮教授2015年3月ThesisSubmittedtoTianjinUniversityofTechnologyfortheMaster’sDegreeResearchofmid-longTermPowerLoadForecastingBasedonGreyTheoryandNeuralNetworkByYangChaoSupervisorProf.WangYun-li
3、angMarch,2015獨(dú)釗性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果,除了文中特別加以標(biāo)注和致謝之處外,論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果,也不包含為獲得天津理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文屮作了明確的說明并表示了謝意。學(xué)位論丈作者筌名:柄H答孛Ei期:)?is年3力日學(xué)位洽文板權(quán)使用提權(quán)書本學(xué)位論文作者完全了解天津理工大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)天津理工大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容
4、編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,并采用影印、縮印或掃描等復(fù)制手段保存、匯編,以供查閱和借閱。同意學(xué)校向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)本和電子文件。(保密的學(xué)位論文在解密后適用本授權(quán)說明)答孛Q期:205年3月丨0q答孛q期:年j月/d日摘要電力負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行起著重大作用。中長期負(fù)荷預(yù)測(cè)主要為電力系統(tǒng)規(guī)劃部門進(jìn)行決策提供數(shù)據(jù)支撐。中長期負(fù)荷預(yù)測(cè)的準(zhǔn)確性直接影響著電網(wǎng)的改造和擴(kuò)建的合理性、經(jīng)濟(jì)性,對(duì)電力行業(yè)的發(fā)展具有深遠(yuǎn)的意義。中長期負(fù)荷預(yù)測(cè)由于時(shí)間跨度大,且受經(jīng)濟(jì)、政策、人口增長等多種宏觀因素的影響,其研究工
5、作存在較大難度。綜合目前已有的中長期預(yù)測(cè)方法來看,中長期負(fù)荷預(yù)測(cè)技術(shù)仍有很大的研究空間,有待于進(jìn)一步完善。深入分析中長期負(fù)荷歷史數(shù)據(jù)的變化規(guī)律,并將影響負(fù)荷的主要因素考慮進(jìn)來,確定適合中長期負(fù)荷預(yù)測(cè)的模型是此課題的重要研究內(nèi)容。本文首先對(duì)中長期電力負(fù)荷預(yù)測(cè)這一課題的背景及意義進(jìn)行了闡述,并且對(duì)現(xiàn)在預(yù)測(cè)技術(shù)的發(fā)展態(tài)勢(shì)進(jìn)行了分析。其次主要對(duì)電力負(fù)荷預(yù)測(cè)理論進(jìn)行了詳細(xì)敘述,并對(duì)影響電力負(fù)荷預(yù)測(cè)的因素進(jìn)行了探討。鑒于中長期負(fù)荷預(yù)測(cè)的特點(diǎn)與灰色預(yù)測(cè)非常吻合,本文以灰色模型為基礎(chǔ)對(duì)中長期負(fù)荷進(jìn)行預(yù)測(cè),并對(duì)灰色模型的建模機(jī)理進(jìn)行了
6、深入的研究。在灰色模型的選取方面,本文首先采用了的經(jīng)典的GM(1,1)模型,由于中長期負(fù)荷受多種因素影響,本文又采用了考慮相關(guān)因素的GM(1,n)模型與GM(0,n)模型,并用灰色關(guān)聯(lián)分析法對(duì)主要影響因素進(jìn)行篩選。通過對(duì)這三種模型進(jìn)行深入研究,并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析,指出了各個(gè)模型的局限性。本文認(rèn)為負(fù)荷實(shí)際值與三種模型預(yù)測(cè)值存在一種函數(shù)關(guān)系,由于BP神經(jīng)網(wǎng)絡(luò)非線性映射能力強(qiáng),且具有很好的學(xué)習(xí)能力,本文采用BP神經(jīng)網(wǎng)絡(luò)來擬合這一函數(shù),以改進(jìn)預(yù)測(cè)結(jié)果。通過將三種灰色預(yù)測(cè)模型與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行特定的組合,本文設(shè)計(jì)了GM-NN
7、C模型。然后又在GM-NNC模型的基礎(chǔ)上融入了等維新息遞補(bǔ)技術(shù)的思想,設(shè)計(jì)了RGM-NNC模型,它改進(jìn)了模型歷史數(shù)據(jù)不變的缺點(diǎn),使新的數(shù)據(jù)能得到充分利用。本文采用MicrosoftVisualC++6.0對(duì)兩種設(shè)計(jì)的模型進(jìn)行編程,通過實(shí)例對(duì)模型的預(yù)測(cè)結(jié)果進(jìn)行驗(yàn)證,并用MATLAB2010b對(duì)結(jié)果進(jìn)行仿真。結(jié)果表明改進(jìn)的兩種新型預(yù)測(cè)模型的預(yù)測(cè)精度確實(shí)得到了明顯提升,適用于中長期負(fù)荷預(yù)測(cè),具有實(shí)際應(yīng)用價(jià)值。關(guān)鍵詞:中長期負(fù)荷預(yù)測(cè)灰色模型BP神經(jīng)網(wǎng)絡(luò)MicrosoftVisualC++6.0AbstractPowerloa
8、dforecastingplaysanimportantroleinthestableandeconomicaloperationofpowersystem.Mid-longtermloadforecastingprovidesdatasupportforpowersystemplanningdepartmentswhentheyneedtom