基于ga-pso算法優(yōu)化bp網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)

《基于ga-pso算法優(yōu)化bp網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)》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(kù)。

1、學(xué)校代碼：10663學(xué)號(hào)：4201110600339貴州師范大學(xué)碩士學(xué)位論文基于GA-PSO算法優(yōu)化BP網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)Short-TermPowerLoadForecastingBasedonBPNeuralNetworkOptimizedbyGA-PSOAlgorithm專(zhuān)業(yè)名稱(chēng)：計(jì)算機(jī)應(yīng)用技術(shù)專(zhuān)業(yè)代碼：081203研究方向：計(jì)算機(jī)應(yīng)用與開(kāi)發(fā)申請(qǐng)人姓名：高玉明導(dǎo)師姓名：張仁津教授二〇一四年五月二十六日萬(wàn)方數(shù)據(jù)貴州師范大學(xué)碩士學(xué)位論文學(xué)位論文原創(chuàng)性聲明和關(guān)于學(xué)位論文使用授權(quán)的聲明原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果

2、。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人或集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名：年月日關(guān)于學(xué)位論文使用授權(quán)的聲明本人完全了解貴州師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留或向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱；本人授權(quán)貴州師范大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或其他復(fù)制手段保存論文和匯編學(xué)位論文。（保密論文在解密后應(yīng)遵守此規(guī)定）論文作者簽名：導(dǎo)師簽名：年月日55萬(wàn)方數(shù)

3、據(jù)貴州師范大學(xué)碩士學(xué)位論文摘要隨著電力市場(chǎng)的不斷發(fā)展，電力負(fù)荷預(yù)測(cè)工作成為電力系統(tǒng)管理部門(mén)的一項(xiàng)重要工作。準(zhǔn)確地進(jìn)行電力負(fù)荷預(yù)測(cè)可以更好地制定電網(wǎng)規(guī)劃方案以及發(fā)電機(jī)組的檢修計(jì)劃，可以更加合理地安排電網(wǎng)的運(yùn)行方式。對(duì)于提高電力企業(yè)的經(jīng)濟(jì)效益和社會(huì)效益、保持電力系統(tǒng)的安全穩(wěn)定運(yùn)行、保障人們?nèi)粘Ｉ畹挠行蜻M(jìn)行具有重要的意義。本文首先介紹了電力負(fù)荷預(yù)測(cè)的研究背景、國(guó)內(nèi)外研究現(xiàn)狀以及研究意義，并且敘述了電力負(fù)荷預(yù)測(cè)的基本理論；其次，對(duì)現(xiàn)代預(yù)測(cè)關(guān)鍵技術(shù)進(jìn)行了詳細(xì)的介紹，介紹了人工神經(jīng)網(wǎng)絡(luò)的基本理論，研究了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法步驟及其優(yōu)缺點(diǎn)，分析了遺傳算法和粒子群優(yōu)

4、化算法的特點(diǎn)以及基本原理；再次，對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了設(shè)計(jì)，主要是輸入層和輸出層的設(shè)計(jì)、隱含層的設(shè)計(jì)以及轉(zhuǎn)移函數(shù)的確定；最后，分別采用遺傳算法(GA)、粒子群優(yōu)化算法(PSO)以及本文所提出的GA-PSO算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化，分別建立了GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型以及GA-PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。選取歐洲某地區(qū)的歷史負(fù)荷數(shù)據(jù)、歷史氣溫和日期類(lèi)型等數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，對(duì)該地區(qū)某一天24小時(shí)各整點(diǎn)時(shí)刻的負(fù)荷進(jìn)行預(yù)測(cè)。并分析預(yù)測(cè)結(jié)果，比較各預(yù)測(cè)模型的性能。仿真實(shí)驗(yàn)結(jié)果表明GA-PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型不僅加快了神經(jīng)網(wǎng)絡(luò)的

5、收斂速度，而且提高了短期電力負(fù)荷的預(yù)測(cè)精度。I萬(wàn)方數(shù)據(jù)貴州師范大學(xué)碩士學(xué)位論文關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)，短期電力負(fù)荷，預(yù)測(cè)，遺傳算法，粒子群優(yōu)化算法，GA-PSO算法II萬(wàn)方數(shù)據(jù)貴州師范大學(xué)碩士學(xué)位論文ABSTRACTWithconstantlydevelopingofpowermarket,forecastingelectricalloadbecomesanimportantworkforthepowersystemmanagementdepartment.Accuratelymakingapredictionforpowerloadcanbettermakepowernet

6、workplanningandpowerunitsofmaintenanceplan,andmorereasonablyarrangeoperationmodeofpowernetwork.Itisofgreatsignificancetoimproveeconomicbenefitandsocialbenefitofpowerenterprises,keeppowersystemsafeandstable,andensurepeople'sdailylifeinorder.Firstly,thethesisintroducestheresearchbackground,r

7、esearchstatusathomeandabroad,andresearchsignificanceofpowerloadprediction.Thisthesisdescribesthebasictheoryofpowerloadprediction.Secondly,thekeytechnologiesofmodernpredictionwereintroducedindetail.Thethesisintroducesthebasictheoryofartificialneuralnetwork.This