資源描述：
《基于bp神經(jīng)網(wǎng)絡(luò)電力負(fù)荷預(yù)測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、本科生畢業(yè)設(shè)計說明書（畢業(yè)論文）題目：基于BP神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測專業(yè)：電氣工程及其自動化V基于BP神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測摘要電力系統(tǒng)短期負(fù)荷預(yù)測在實時控制和保證電力系統(tǒng)經(jīng)濟、安全和可靠運行方面起著重要作用，它已成為電力系統(tǒng)中現(xiàn)代能量管理系統(tǒng)的一個重要組成部分。負(fù)荷預(yù)測的誤差將導(dǎo)致運行和生產(chǎn)費用的劇增，因此，精確的預(yù)測就成了電力工作者和科技人員致力解決的問題。電力系統(tǒng)負(fù)荷變化受多方面影響，一方面，負(fù)荷變化存在著未知不確定因素引起的波動；另一方面，又有周期變化的規(guī)律性，這使得負(fù)荷曲線具有相似性。同時，由于受天氣、節(jié)假日等特殊情況的影響，又
2、使負(fù)荷變化出現(xiàn)差異，呈現(xiàn)強烈的非線性特性。本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測方法，這種方法的最大優(yōu)點就是對大量的非線性特性、非準(zhǔn)確性規(guī)律具有自適應(yīng)功能。本文主要針對BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于電力系統(tǒng)短期負(fù)荷預(yù)測做了進一步的研究,并通過MATLAB設(shè)計BP神經(jīng)網(wǎng)絡(luò)，仿真結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測中的應(yīng)用是可行的，能較好的反映負(fù)荷預(yù)測的非線性特性，但由于本文沒有考慮氣候，溫度，節(jié)假日等因素的數(shù)據(jù)，做出來的仿真結(jié)果并不令人十分滿意，不過依然可以肯定BP神經(jīng)網(wǎng)絡(luò)依然優(yōu)于傳統(tǒng)的預(yù)測方法，是一個有待于我們?nèi)パ芯亢烷_發(fā)的新領(lǐng)域。關(guān)鍵詞：電力系統(tǒng)；BP神經(jīng)網(wǎng)絡(luò)；短期負(fù)
3、荷預(yù)測VBasedonBPneuralnetworkpowersystemShort-termloadforecastingAbstractShort-termloadforecastinginreal-timepowersystemcontrolandtoensureeconomic,safeandreliableoperationplaysanimportantrole,ithasbecomeamodernpowersystemenergymanagementsystemisanimportantcomponent.Loadforecastinger
4、rorswillleadtosharpincreaseinoperatingandproductioncosts,therefore,accuratelypredictthepowertobecometheworkersandtechnicalpersonneltoaddresstheproblem.Variouspowersystemaffectedbytheloadchange,ontheonehand,thereistheunknownloadchangecausedbyfluctuationsinuncertainty;theotherhand,
5、thereareperiodicchangesinthelaws,whichmakesasimilarloadcurve.Atthesametime,duetoweather,holidaysandotherspecialcircumstancesof,anddifferencesintheloadchangesoccur,showingastrongnonlinearity.Inthispaper,BPneuralnetworkbasedpredictionmethod,thebiggestadvantageofthisapproachisthatth
6、enonlinearcharacteristicsofalargenumberofnon-accuracyofthelawofadaptivefunction.Inthispaper,BPneuralnetworkforshorttermloadforecastinginpowersystemtodofurtherresearchanddesignBPneuralnetworkthroughtheMATLAB,simulationresultsshowthatBPneuralnetworkintheshort-termloadforecastingisf
7、easible,andcanbetterreflecttheloadpredictthenonlinearcharacteristics,butbecausethisarticledoesnotconsidertheclimate,temperature,holidaysandotherfactors,thedata,soitisnotverysatisfactorysimulationresults,butstillcertainlybetterthanthetraditionalprediction,anditisaneedtobeustonewar
8、easofresearchanddevelopment.?Keywords：Po
