基于神经网络视角的电力系统负荷预测探究-开题报告-文献综述-参考文献

文献综述

（一）电力系统负荷预测研究现状

    电力系统负荷预测拥有较长时间的历史，几十年来，从事电力系统负荷预测的研究工作呈现逐步上升的趋势，对其重视程度也在提高，这使得研究工作取得了大量成果，提出了很多预测方法。但是电力系统的负荷变化是非线性的，想要得到十分精确的预测值是一项很困难的工作。到目前还未能找到一种方法能够适应所有电力系统的任何情况，但可以找到适应某一种情况下的特定方法，使其满足特定的运行条件，是可以达到令人满意的预测的。

通过国内外学者的深入广泛的研究，提出了很多种负荷预测的方法。较早提出的一些预测方法多是依靠人们长期积累的经验，存在着较大误差，但是随着对负荷预测的不断研究，逐渐提出了很多新的预测方法，其中经典的预测方法有外推法、时间序列法、回归分析法和灰色系统法等;人工智能方法有专家系统法、小波分析法、人工神经网络法等。    

人工神经网络方法源于生物学，通过对人脑神经系统基本特征的研究，模拟出类似于神经元的基本功能及其工作过程。人工神经网络根据发生事件的积累经验，学习并修改模型，最终实现对目标的计算。这种方法具有强大的学习能力和鲁棒性，对于非线性处理具有突出优势，此外，它还具有自组织、自学习、联想记忆等特点。人工神经网络由并行运算的神经元组成，各神经元实现一个输入到输出的非线性关系。通过对连接权值的调整，学习知识，使神经网络实现非线性映射。在对负荷进行预测过程中，存在很多不确定的影响因素，使得负荷的预测具有非线性，所以人工神经网络方法在这方面具有明显的优越性。将己知的负荷数据作为输入量，选择适当的训练方法，进而确定输入层、隐含层和输出层的连接权值和闽值，将负荷知识储存在连接权中，建立复杂的非线性负荷预测模型，然后计算得出预测结果。

（二）神经网络视角电力负荷预测分析

通过对人脑特性的研究可知，众多的神经元构成神经系统，完成各种工作。人工神经网络(Artificial Neural Network,  ANN)，利用人脑的基本工作原理，建立相似模型，以神经元为结构单元，构成网络模型，完成一定的功能。该系统通过状态变量对外部信息的动态响应，处理信息得到结果。

1943年，由McCunoch和Pitts共同提出神经网络模型，证明单个神经元具备逻辑能力。1949年，Hebb提出了 hebb规则对神经元进行了改进。1962年，Widrow提出具有自适应性的模型，促进了该方法的发展。到80年代，对于神经网络的研究进入高潮时期，1982年，由J.J.Hopfield提出Hopfield模型，该模型对于系统的稳定提出了更有效的方法有力的促进了神经网络的发展。随后学者们提出了更多关于神经网络学习算法的问题并进行研究，利用神经网络的非线性处理能力，解决了传统方法模式识别和非结构化信息处理等方面的缺陷。随着科学技术的发展，人工神经网络的应用范围逐渐扩大，对其方法的研究也更加深入。

同时截止到20世纪90年代初，不断发展的人工智能方法强烈冲击着现有的预测系统，技术人员之前的做法都是不断引入所谓精确的预测模型，认为这样才能真实地反映系统的负荷波动特点，但是我们又很难去找到这样一种精确的模型，所以研究人员不断想要引入新的方法，在这种背景下人工智能逐步地被引入到电力负荷预测之中来，如灰色系统预测方法，专家系统，人工神经网络预测方法，模糊控制方法，小波分析，这样一个存在多年的多元非线性的问题和时变的不确定性的问题被充分考虑了。在电网负荷预测过程，实时性和精度都得到了提升，是负荷预测技术进一步发展的方向，对调度运行来说也是可以广泛采取的新技术。

    由于目前形势下，人工神经网络方法的应用范围越来越广泛，对其的研究也更加深入，因此出现了很多新算法，使它自身的自适应功能和自学习功能取得了提高，并且可以将其他影响因素加入到其中，是电力系统短期负荷预测的一种有效方法。但是，人工神经网络法也具有一定的缺陷，收敛速度较慢，容易出现局部极小现象，所以，还需要进一步的研究改进，本文就是针对人工神经网络方法的应用中的问题，提出了相对于的改进措施。

^范文提纲

摘要

绪论

理论基础

（一）人工神经网络概况

（二）BP神经系统基本原理感慨

（三）RBF神经系统基本原理

三、基于RBF神经网络的电力负荷预测

RBF神经网络模型的结构

RBF神经网络的算法

基于RBF神经网络的电力预测模型的建立

实际算例分析

基于RBF神经网络与模糊理论现结合的电力系统负荷预测

模糊控制理论与原理分析

模块控制器的结构与设计分析

模糊理论与神经网络的结合

基于两者相结合的电力系统负荷预测模型的建立

实际算法分析

五、结语

三、参考文献

[1]赵冬红，短期负荷预测改进方法研究:(硕士学位^范文).北京:华北电力大学，2012.

[2]云会周，基于机器白学习的电力系统超短裙负荷预测研究:(硕士学位^范文).北京:华北电力大学，2014.

[3]苏蔚，基于神经网络的电力系统负荷预测:(硕士学位^范文).天津:天津大学，2013.

[4]张林，罗晓初，徐瑞林等.基于时问序列的电力系统负荷预测新算法研究.电网技术，2013,30(S2):595-599.

[5]刘严藏.基于神经网络的供热系统负荷预测:(硕士学位^范文).天津:天津大学，2013.

[6]邓聚龙.灰色系统理论教程.武汉:华中科技大学出版社,2014.

[7]李伟，韩力.组合灰色预测模型在电力负荷预测中的应用.重庆大学学报，2014, 27(1): 3639.

[8]顾洁.应用小波分析进行短期负荷预测.电力系统及其白动化学报，2013, 15(2):  40-44.

[9] Tamura.Y.,Zhang Deping,Umeda.N.,Load forecasting using grey街namic model,IEEE Trans.onPower Systems,1995,78(4):361-365.

[10]韩哲，陈治平，熊斯毅.人工神经网络及其在电力系统短期负荷中的应用研究.科学技术与工程，2013, 5(9):  1136-1139.

[11]蒋宗礼.人工神经网络导论.北京:高等教育出版社，2011.

[12]陈祥光，裴旭东.人工神经网络技术及应用.北京:中国电力出版社，2013.

[13]闰承山，刘永奇.人工神经网络在华北电网负荷预测中的应用.电网技术，2013.11