需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：32444 |  | |
| 折扣與優(yōu)惠：團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:電力系統(tǒng)在生產(chǎn)及生活中是最基本的系統(tǒng)之一，與我們有著密切的聯(lián)系，電力系統(tǒng)負(fù)荷預(yù)測是電力系統(tǒng)研究的一個(gè)重要組成部分，超短期負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)安全、穩(wěn)定、優(yōu)質(zhì)、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，對電力系統(tǒng)來說，提高電網(wǎng)運(yùn)行的安全性和經(jīng)濟(jì)性，改善電能質(zhì)量，都依賴于準(zhǔn)確的負(fù)荷預(yù)測．超短期負(fù)荷預(yù)測對于電網(wǎng)計(jì)劃用電、合理安排電網(wǎng)運(yùn)行方式和檢修計(jì)劃、加強(qiáng)需求側(cè)管理特別電力緊張的用電高峰期的電力平衡管理具有重要意義．縣域電網(wǎng)的超短期負(fù)荷預(yù)測可以使未來的電網(wǎng)運(yùn)行情況更加合理、使電網(wǎng)在預(yù)定的安全、穩(wěn)定條件下運(yùn)行，也可以使整個(gè)系統(tǒng)在最經(jīng)濟(jì)的情況下運(yùn)轉(zhuǎn)． 總而言之，縣域電網(wǎng)的超短期負(fù)荷預(yù)測對于我們來說十分重要． 本文主要對幾種常用的超短期負(fù)荷預(yù)測方法進(jìn)行簡單的比較，重點(diǎn)在于利用人工神經(jīng)網(wǎng)絡(luò)(ANN)中的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行具體研究，論文中詳細(xì)介紹BP神經(jīng)網(wǎng)絡(luò)的算法及流程，在實(shí)現(xiàn)負(fù)荷預(yù)測的基礎(chǔ)上為提高預(yù)測精度對已有算法進(jìn)行改進(jìn)，后又將小波分析與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行分析比較，并在方法分析后應(yīng)用Matlab軟件以實(shí)際數(shù)據(jù)的仿真對預(yù)測結(jié)果進(jìn)行檢測，證明運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型對電網(wǎng)的負(fù)荷水平進(jìn)行預(yù)測是可行也是可靠的． 關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；縣域；超短期負(fù)荷預(yù)測；BP神經(jīng)網(wǎng)絡(luò)
目錄 摘要 ABSTRACT 第1章 緒論-1 1.1 課題的背景和意義-1 1.2 負(fù)荷預(yù)測目前發(fā)展與現(xiàn)狀-2 1.3 課題來源及內(nèi)容-3 第2章 縣域地區(qū)電網(wǎng)負(fù)荷特性-5 2.1 縣域地區(qū)用電分析-5 2.2 電網(wǎng)負(fù)荷分析-5 2.3 縣域地區(qū)電網(wǎng)負(fù)荷變化及波動(dòng)-5 第3章 常用超短期負(fù)荷預(yù)測方法介紹-7 3.1 幾種常用的負(fù)荷預(yù)測方法-7 3.2 影響負(fù)荷預(yù)測的因素-10 3.3 負(fù)荷預(yù)測的特性-11 第4章 人工神經(jīng)網(wǎng)絡(luò)方法分析-13 4.1 人工神經(jīng)網(wǎng)絡(luò)簡介-13 4.2 人工神經(jīng)網(wǎng)絡(luò)原理-13 4.2.1 神經(jīng)元模型-13 4.2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型-14 4.2.3 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練-14 4.3 人工神經(jīng)網(wǎng)絡(luò)特性-14 4.4 人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用-15 4.5 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)-16 4.6 BP神經(jīng)網(wǎng)絡(luò)算法-16 第5章 BP神經(jīng)網(wǎng)絡(luò)在負(fù)荷預(yù)測中的應(yīng)用-19 5.1 選擇輸入數(shù)據(jù)-19 5.2 量化處理影響因素-20 5.3 學(xué)習(xí)參數(shù)的選取-21 5.4 雙隱層BP神經(jīng)網(wǎng)絡(luò)-22 5.5 雙隱層BP算法的改進(jìn)-24 5.6 BP神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)-26 第6章 負(fù)荷預(yù)測的算例分析-27 6.1 海安縣第一季度用電分析-27 6.2 海安縣電力負(fù)荷預(yù)測實(shí)例分析-28 6.2.1 選擇歷史數(shù)據(jù)和訓(xùn)練參數(shù)-28 6.2.2 預(yù)測時(shí)間間隔比較-31 6.2.3 單隱層與雙隱層預(yù)測結(jié)果比較-33 6.3 多隱層BP神經(jīng)網(wǎng)絡(luò)-36 6.3.1 多隱層BP神經(jīng)網(wǎng)絡(luò)算法-36 6.3.2 隱含層數(shù)選取-37 第7章 基于小波分析的負(fù)荷預(yù)測-45 7.1 小波分析法介紹-45 7.1.1 小波分析原理-46 7.2 小波分析和神經(jīng)網(wǎng)絡(luò)結(jié)合-47 7.2.1 基本結(jié)構(gòu)及算法分析-47 7.2.2 預(yù)測步驟-48 7.2.3 算例分析-49 7.3 小波去噪聲分析法-51 7.3.1 小波去噪法原理-51 7.3.2 小波去噪過程-52 7.3.3 小波去噪效果分析-52 7.4 小波去噪用于負(fù)荷預(yù)測-54 第8章 結(jié)論與展望-57 8.1 結(jié)論-57 8.2 不足之處與未來展望-57 參考文獻(xiàn)-59 致 謝-60 |
