基于线性回归和神经网络的电力短期负荷预测

摘要

电力负荷指电力需求量或者用电量，及广义负荷。而需求量指能量的时间变化率，即功率。电力系统的任务是给广大用户不间断的提供优质电能，满足负荷的需求。

电力负荷预测，在充分考虑系统的一些运行特性、增容决策、自然条件与社会影响的条件下，研究或利用一整套系统的处理过去与未来负荷的数学方法，在满足一定精度的条件下，确定未来某特定时刻的负荷数值。

本文主要使用线性回归模型和神经网络模型对电力短期负荷进行预测。

线性回归模型分为一元线性回归模型和多元线性回归模型，因为电力短期负荷受多种因素影响，所以本文采用多元线性回归模型。估计的目的是使得整体的偏差最小化，在计算出系数之后，还要对每个系数进行t检验，检验该变量对于随机变量的解释度。通过线性回归模型，可以有效的分析各个因子对于整体随机变量的影响。

神经网络，主要指的是BP神经网络，它通常分为3层，输入层、隐含、输出层。正是因为包含了隐含层，所以输入输出层之间可以映射任何函数关系。BP神经网络，利用训练样本实现输入到输出的映射。若输入节点为n个，输出节点为m个，该网络则是从到的1个高度非线性映射，BP网络不需要知道描述这种关系的具体表达式，只是在所选网络的拓扑之下，通过学习算法调整各神经元的阈值和连接权值，使误差最小。

在详细分析了线性回归模型和神经网络模型之后，本文使用RapidMiner对实际的电力数据进行计算，得出了令人满意的结论。

关键词　线性回归 神经网络 误差最小化

目录

摘要 I

第1章 绪论 ..1

1.1课题背景及研究意义 1

1.2国内研究现状 1

1.3国外研究现状 2

1.4本文的主要工作 4

第2章 线性回归模型 5

2.1一元线性回归模型 5

2.2多元线性回归模型 5

2.3多元线性回归显著性检验 6

2.4基于多元线性回归模型的电力负荷预测 7

2.5本章小结 7

第3章 BP神经网络模型 8

3.1神经网络的概念 8

3.2神经网络的一般模型 8

3.3BP神经网络的定义和特点 9

3.4基于BP神经网络模型的电力负荷预测 11

3.5本章小结 12

第4章实证与预测 13

4.1RapidMiner软件简介 13

4.2多元线性回归模型对用电量的预测 13

4.3BP神经网络模型对用电量的预测 14

4.4本章小结 16

第5章结论 17

参考文献 18

致谢 19