資源描述：
《bp神經(jīng)網(wǎng)絡對短期電力負荷的預測》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、分類號:密級:UDC:單位代碼:10078華北水利水電大學碩士學位論文BP神經(jīng)網(wǎng)絡對短期電力負荷的預測BPNEURALNETWORKTOPREDICTTHESHORT-TERMPOWERLOAD研究生姓名：殷晶指導教師：孫美鳳教授專業(yè)名稱：流體機械及工程所在學院：電力學院2014年5月萬方數(shù)據(jù)萬方數(shù)據(jù)獨立完成與誠信聲明本人鄭重聲明：所提交的學位論文，是本人在指導教師的指導下，獨立進行研究工作所取得的研究成果并撰寫完成的。沒有剽竊、抄襲等違反學術道德、學術規(guī)范的侵權行為。文中除已經(jīng)標注引用的內容外，本學位論文中不包含其他人或集體已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得華北水利水電大學或
2、其它教育機構的學位或證書所使用過的材料。對本文的研究做出重要貢獻的個人和集體，均已在文中作了明確的說明并表示了謝意。本人完全意識到本聲明的法律后果由本人承擔。學位論文作者簽名：保證人（導師）簽名：簽字日期：簽字日期：學位論文版權使用授權書本人完全了解華北水利水電大學有關保管、使用學位論文的規(guī)定。特授權華北水利水電大學可以將學位論文的全部或部分內容公開和編入有關數(shù)據(jù)庫提供檢索，并采用影印、縮印或掃描等復制手段復制、保存、匯編以供查閱和借閱。同意學校向國家有關部門或機構送交論文原件或復印件和電子文檔。（涉密的學位論文在解密后應遵守此規(guī)定）學位論文作者簽名：導師簽名：簽字日期：簽字日期：萬方
3、數(shù)據(jù)萬方數(shù)據(jù)摘要BP神經(jīng)網(wǎng)絡對短期電力負荷的預測摘要隨著社會的進步與發(fā)展，電力行業(yè)已經(jīng)成為我國經(jīng)濟發(fā)展的重要支柱，然而電能不能大量保存，如果發(fā)出的電能大于負荷消耗，就容易造成能源的浪費和環(huán)境的污染，電力負荷預測可以對電力系統(tǒng)電能供需平衡提供指導，高精度的短期電力負荷預測能為電力系統(tǒng)穩(wěn)定、經(jīng)濟運行提供重要支撐。截至目前，世界各國對電力負荷預測所采用的方法不盡相同，相對于傳統(tǒng)的負荷預測方法，運用BP神經(jīng)網(wǎng)絡對電力負荷預測有其特有的優(yōu)勢，本文主要介紹了BP神經(jīng)網(wǎng)絡的發(fā)展歷程以及其理論基礎，理論上講單隱層的BP神經(jīng)網(wǎng)絡能夠逼近任意的非線性映射，所以大多數(shù)電力負荷預測采用單隱層模型，為了提高負荷
4、預測的精度，本文采用了含有雙隱層的BP網(wǎng)絡以及改進型BP網(wǎng)絡，并利用石家莊市無極縣的電力負荷歷史數(shù)據(jù)，通過MATLAB建立不同的模型來分別實現(xiàn)電力負荷預測，并對輸出結果進行對比與分析，得出相關結論。根據(jù)對電力負荷預測流程及輸出結果的分析，綜合考慮影響電力負荷的客觀因素，在文章的最后給出了改善電力負荷預測的幾點意見和建議，為提高電力負荷預測的精度提供了參考。關鍵詞：BP神經(jīng)網(wǎng)絡；電力負荷預測；神經(jīng)元節(jié)點；改進模型I萬方數(shù)據(jù)華北水利水電大學碩士學位論文II萬方數(shù)據(jù)ABSTRACTBPNEURALNETWORKTOPREDICTTHESHORT-TERMPOWERLOADABSTRACTWi
5、thsocialprogressanddevelopment,thepowerindustryhasbecomeanimportantpillarofChineseeconomicdevelopment,howeverelectricpowercannotbekeptlargely,iftheemittedpowerenergyisgreaterthanthecostoftheloadwillcauseenergywasteandpollutionoftheenvironmenteasily.Electricloadforecastcanprovideguidanceonelectri
6、cpowersupplyanddemandbalanceespeciallyhighprecisionofshorttermloadforecastcansupportpowersystemstabilityandeconomicoperation.Ascurrently,methodsadoptedbycountriesintheworldonthepowerloadforecastingisnotthesame.Comparedwithtraditionalloadforecastmethod,usingBPneuralnetworkonpowerloadforecasthasit
7、suniqueofadvantage.ThispapermainlyintroducesthedevelopmentofBPneuralnetworkanditstheory.Theoretically,BPneuralnetworkofContainingasinglehiddenlayercanapproximationarbitraryofnonlinearmap,somostpowerloadforecastusedsinglehidd
