电力市场负荷预测

 2022-12-25 10:12

论文总字数:22659字

摘 要

电力系统负荷预测是电网能量管理系统的重要内容之一,根据负荷预测值,可以合理的安排购电计划和制定运行方式,对电力系统的可靠和经济运行意义重大。短期负荷预测通常是指以月、周、日为时间单位的负荷指标预测,随着电力市场的发展,短期负荷预测越来越受到重视。本文的中心内容是电力市场预测的方法与电力系统预测的意义。负荷预测分为长期预测、中期预测、短期预测以及超短期预测,本文研究对象是短期负荷预测。在阅读了诸多关于电力系统市场预测的文献和资料之后,觉得运用BP神经元网络来预测电力市场是最为妥当的。

近年来人工神经元网络以其优点被作为一个新兴的学科,被各个国家所重视,这一技术发展至今取得了许多突出的成果本文选取了江苏省某市电网2018年3月8日到4月8日的用电数据进行了用电分析和处理,用这些数据来进行网络训练,并区分周一到周五和周六周日的不同时间段进行预测,并在BP神经元的基础上运用MATLAB进行模拟预测并绘制出负荷曲线。最后总结出合理的结论和最终结果。

关键词 :负荷指标预测 BP神经元网络 MATLAB

Abstract

Power system load forecasting is one of the important contents of power grid energy management system. According to the load forecasting value, it can reasonably arrange the power purchase plan and make the operation mode, which is of great significance to the reliable and economic operation of power system. Short term load forecasting usually refers to the monthly, weekly and daily load index forecasting. With the development of power market, short-term load forecasting has been paid more and more attention. The central content of this paper is the method of power market forecasting and the significance of power system forecasting. Load forecasting is divided into long-term forecasting, medium term forecasting, short-term forecasting and ultra short-term forecasting. After reading a lot of documents and materials about power system market prediction, I think it is most appropriate to use BP neural network to predict power market.

In recent years, artificial neural network (ANN) is regarded as a new subject with its advantages, which has been paid attention to by many countries. In this paper, the power consumption data from Marche 8 to April 8, 2018 in Xicheng power grid of Yixing City, Jiangsu Province are selected for power consumption analysis and processing. These data are used for network training, and different time periods from Monday to Friday and Saturday to Sunday are distinguished for prediction. Based on BP neural network, Matlab is used to simulate prediction and draw load curve. Finally, the reasonable conclusion and final result are summarized.

Key words: load index prediction BP neural network matlab

目录

摘要 1

Abstract 2

第一章 绪论 5

1.1 负荷预测的简述与分类 5

1.2 负荷预测现状 6

1.3 本设计的研究方式 7

第二章 负荷预测的简述 8

2.1 负荷预测的含义 8

2.2 负荷预测的意义 8-

2.3 负荷的分类 8

2.4 负荷预测的分类 8

2.5 短期负荷预测 9

2.6 负荷预测方的方法分类 9

2.6.1趋势分析法 9

2.6.2 回归分析法 9

2.6.3 指数平滑法 10

2.6.4 单耗法 10

2.6.5 模糊预测法 10

2.6.6 负荷密度法 11

2.6.7 弹性系数法 11

2.6.8 总结 11

2.7 总结归纳各种方法的适用范围和适用条件: 11

第三章 神经网络 11

3.1 人工智能的发展历史 13

3.1.1 人工神经元网络 13

3.1.2 人工神经元网络的历史 13

3.2 神经元网络运行原理 14

3.3 人工神经元网络的缺点 14

3.4 人工神经元网络的学习………………. 14

第四章 BP神经元网………………………………………………………………...14

4.1 BP神经元算法的概述 16

4.2 BP神经元网络的基本结构 16

4.2.1 正方向传播 17

4.2.2 反向传播 17

4.2.3误差方差的计算…………………………………………………….17

4.2.4其他值的计算……………………………………………………….18

4.2.5 激活函数……………………………………………………………19

4.2.6学习方法…………………………………………………………….19

4.2.7运行过程…………………………………………………………….19

4.2.8BP神经元网络的优势与不足………………………………………19

4.2.9使用matlab进行仿真………………………………………………20

第五章运用BP神经元网络完成预测 21

5.1 数据分析 21

5.2 数据划分 21

5.2.1 预测的原理 21

5.2.2数据处理的方法 21

5.2.3 数据归一化 21

5.3仿真结果 22

第六章 总结 28

6.1 实验总结 28

参考文献 28

负荷预测样本数据 29

第一章 绪论

1.1负荷预测的简述与分类

剩余内容已隐藏,请支付后下载全文,论文总字数:22659字

您需要先支付 50元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;