BP神经网络的短期负荷预测研究

摘要

电力系统短期负荷预测对未来1日至1周的负荷进行预测。短期负荷预测是随着电力系统EMS的逐步发展而发展起来的，现已经成为EMS必不可少的一部分和为确保电力系统安全经济运行所必需的手段之一。本文介绍了一种基于BP神经网络的短期负荷预测方法。其中首先根据实际经验将一周的7天分为工作日（星期一到星期五）和休息日（星期六和星期天）等两种类型；然后建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过最小二乘法预测日最大负荷和日最小负荷。利用相应的BP神经网络方法对未来24小时负荷进行短期预测。

关键词：最大负荷  负荷预测 电力系统 神经网络

 

目录

摘要 I

引言 1

课题背景 1

第1章 电力负荷预测综述 2

1.1 电力负荷预测的含义 2

1.2 电力负荷预测的意义 2

第2章 负荷分析 3

2.1 电力负荷分析 3

第3章 电力负荷预测的内容及程序 4

3.1 电力负荷预测的内容 4

3.1.1 最大有功负荷及其分布 4

3.1.2 无功负荷及其分布 4

3.1.3 需电量 4

3.1.4 电力负荷曲线及其特征值 4

3.2 电力负荷预测的程序 5

3.2.1 准备阶段 5

3.2.2 实施预测阶段 6

3.2.3 评价预测阶段 6

3.2.4 提出预测报告阶段 7

第4章 电力负荷预测模型及基本算法 8

4.1 电力负荷预测模型 8

4.1.1 基本正常负荷分量模型 8

4.1.2 天气敏感负荷分量模型 10

4.1.3 特别事件负荷分量模型 10

4.1.4 随机负荷分量模型 11

4.2 电力负荷预测基本算法 13

4.2.1 经典预测方法 13

4.2.2 现代负荷预测方法 14

第5章 电力短期负荷预测研究 18

5.1 基于温度准则的外推方法 18

5.2 基于人工神经网络日负荷预测 20

5.2.1 人工神经网络简介及其原理 20

5.2.2 BP网络 22

第6章 电力系统短期负荷预测建模及MATLAB实现 27

6.1 基于神经网络的预测原理 27

6.1.1 正向建模 27

6.1.2 逆向建模 27

6.2 电力系统短期负荷预测建模及MATLAB实现 28

6.2.1 问题描述 28

6.2.2 输入、输出向量设计 29

6.2.3 BP网络的设计 30

6.2.4 网络训练计算出预测日24点的归一化系数 31

6.2.5 模型优点 35

6.2.6 结论分析 36

参考文献 40