本专业推荐：带PLC源程序的文档设计范文 原创文档范文点击进入 → 电气工程自动化单片机原创文档范文

基于模糊神经网络的电力预测_开题报告

Ktbg7403 基于模糊神经网络的电力预测_开题报告随着电力电子技术、计算机技术的发展，通信技术的电力系统短期负荷预测技术的逐步完善，，从传统的离线运算分析逐渐向在线监测方向发展，也从传统的过分依赖电力调度运行员的实际工作经验向自动化、智能化、系统化方向逐步转变。从上世纪五十年代开始，电力系统短期负荷预..

基于模糊神经网络的电力预测_开题报告 Ktbg7403 基于模糊神经网络的电力预测_开题报告

随着电力电子技术、计算机技术的发展，通信技术的电力系统短期负荷预测技术的逐步完善，，从传统的离线运算分析逐渐向在线监测方向发展，也从传统的过分依赖电力调度运行员的实际工作经验向自动化、智能化、系统化方向逐步转变。从上世纪五十年代开始，电力系统短期负荷预测技术发展大致经历了以下三个阶段：

（1）早期离线分析短期负荷预测阶段。上世纪五、六十年代，电网结构较简单，规模和容量较小，该阶段内电力调度运行管理人员的实际运行经验起到决定性作用，也就是说该阶段所进行的电网调度没有一个系统规范的操作指导，受调度人员的技术水平影响较大。

（2）上世纪七十年代至八十年代中后期，改革开放促进了电网的建设发展，靠调度人员经验进行电网调度在很多方面已不能满足电力需求侧管理的需求。因此，许多电力研究人员就将许多的优化算法模型引入到电力负荷预测领域，形成了如:趋势外推法、一元（多元）回归分析法、时间序列法、卡尔曼滤波法、以及灰色预测法[等传统的负荷预测方法。

（3）上世纪九十年代初期开始，各类人工智能方法渐渐趋于完善，电力研究人员在总结了传统电力负荷预测模型中，需要精确的数学和物理模型不能真实反映系统负荷波动特性的问题后，逐步将人工智能方法(如专家系统法、人工神经网络预测方法、模糊控制方法等)成功引入到电力负荷预测领域，有效解决了电力系统多元非线性和时变不确定性问题，并在系统程序编程过程中充分考虑了系统中存在的各种不确定时变因素(如气象因素、季节因素、节假日因素、人工经验)等，在电网实际的负荷预测过程中能够提高预测数据的实时性和准确性，是一种先进的电力系统运行调度管理技术方法措施。

如今，电力系统的负荷预测理论的研究已经成为电力系统安全、经济运行的重要内容，并在现代电力系统工程科学中己成为重要的研究领域。负荷预测的准确性关系到各方的经济利益，如何提高负荷预测精度，尤其是短期负荷预测的精度己成了当务之急。为了准确地预测市场对电力商品的需求，必须认真研究分析各种信息和相关因素，采用最新的理论进一步提高预测精度。

由于受各方面原因的制约，国内对电力负荷预测的研究起步较晚，但在国家和电力相关企业的大力支持下，加上大量电力研究学者的共同努力，我国在电力负荷预测领域的研究也取得了很多研究成果，并积极将各类研究成果在工程实际应用中进行试验推广。傅毓维，杨莉等研究学者总结和强调丰富历史样本数据集的形成对神经网络短期负荷预测模型精确性和实时性的重要影响，并且比较系统地分析了现代常用的电力系统负荷预测的方法间的优缺点。郁滨等构筑了基于自适应模糊控制理论的负荷预测模型，在模型进行参数模糊化自识别过程中采用梯度误差下降算法，优化了网络运算内部结构。从实例仿真结果表明，负荷预测理论中引入了模糊控制理论，可以大大提高模型运算的准确性。为了进一步提高负荷预测模型所获得预测数据的准确性，电力研究学者廖立等除了考虑在负荷预测模型中加入较为成熟的气象因素特征约束参量外，引入了一些其它约束性参量，并按其影响特性进行分类，如将预测日分为：正常日/节假日，工作日/休息日等，从而将负荷预测模型的约束性特征参量进一步细化，有效提高了系统预测的准确性。从仿真实例的最终结构表明，该模型大大提高了模型的预测的精确性。

由于电力系统中负荷波动存在时变非线性特性，同时其各类参变量的影响因素间存在内部相互影响情况，因此，许多研究学者又将模糊控制理论引入到负荷预测系统中。冯丽，邱家驹根据历史数据集的基本知识建立一个基于模糊规则的电力负荷模式分类系统，在考虑规则的分类准确性和可解释性的情况下，利用遗传优化算法挑选出Pareto最优模式分类规则集用于电力负荷模式分类。并在仿真试验中，将此分类系统用于电力负荷预测，结果表明此分类系统具有较好的分类性能，可为电力负荷预测提供更为充分有效的历史数据，从而改善其负荷预测性能。傅毓维，杨莉通过对电力需求的混沌特征进行分析，利用相空间重构技术提供大量有关非线性系统的有用信息，对时间序列的整体性质进行把握，建立了基于混沌时间序列的电力需求量得短期预测模型，实现了电力资源的综合优化。

（二）国外研究现状

神经网络最早的研究从是40年代开始的，由心理学家 Mcculloch 和数理逻辑学家 Pitts 首先提出了一个简单的神经网络模型。神经网络的发展大致经过三个阶段。

1947-1969 年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB 学习规则和感知器等。

1970-1986 年为过渡期，这个期间神经网络研究经过了一个低潮，主要是对于多层网络，如何找到有效的学习算法问题。

1987 年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究形成神经网络发展的另一个高潮。

人工神经网络智能预测方法是现代电力系统负荷预测中广泛采用的“学习训练”分析方法。文献[1]中介绍了基于BP神经网络的电力系统负荷预测模型，文中主要介绍了在负荷预测模型中引入了气象条件等多个非线性时变特征量进行电网负荷预测，虽然在一定程度上能够对历史样本数据进行统一分析，对未来所采集的样本数据能够作一定的预处理，但由于整个模型是基于单纯的BP神经网络构筑的，因此其带有明显的学习训练、收敛时间长等不足。文献[2]在文献[1]的基础上，提出了通过附加动量法优化BP神经网络的内部运算步骤的改进方法对模型进行改进，从而有效改善所建模型的综合学习性能。文献[3]提出了基于自适应学习算法形成模型内部各步骤运算学习速率η，从而有效加快模型历史样本数据的处理速度和精度，一方面有效加快了整个预测模型网络的自动学习训练速度；另一方面通过自适应调整，增强了模型综合运算分析的稳定性和可靠性，有效解决学习训练样本数据不平稳带来的网络“滞后”问题。

文献[4]采用了一种模糊神经网络并应用于希腊的电网中，作者建立了一个模糊专家系统，该模糊系统和神经网络的结构相似，采用了神经网络进行参数辨识。这也是真正意义上把模糊系统和神经网络结合起来，并应用于负荷预测中。

二、^范文提纲

1绪论

1.1选题背景及意义

1.2国内外研究现状

1.2.1国内研究现状

1.2.2 国外研究现状

1.3本文的主要工作

2相关理论综述

2.1电力负荷预测基本模型和方法

2.2模糊逻辑理论概述

2.3人工神经网络概述

2.4模糊神经网络概述

3基于模糊神经网络的短期电力负荷预测模型的建立

3.1样本负荷数据的预处理

 3.1.1样本负荷数据的收集和处理

3.1.2样本负荷数据的归一化处理

3.2影响因素的模糊化处理

 3.2.1温度的模糊化处理

3.2.2天气的模糊化处理

3.2.3日期类型的模糊化处理

3.3模糊神经网络模型的设计

3.3.1网络层数的设计

3.3.2网络节点数的设计

3.3.3网络传递函数的设计

3.3.4网络初始权值的设计

3.3.5网络学习参数的设计

４负荷预测结果及分析

 4.1预测模型计算一般步骤

4.2 算法分析与比较

5总结

参考文献

[1]Gerbec D, Gasperic S, Smon I, et al. An app roach to customers daily load profile determination[J]. IEEE Power Engineering Society Summer Meeting, Chicago, IL, USA, Piscataway: NJ, 2009, 1:587—593.

[2]Papadakis S E, Theocharis J B, Bakirtzis A G. A load curve based fuzzy model in gtechnique for short-term load forecasting [J]. Fuzzy Setsand Systems, 2013, 130(04): 279—303.

[3]Krishnapuram R, Keller J M. A Possibilistic App roach to Clustering[J]. IEEE Transaction on Fuzz Systems, 2003, (02): 98—110.

[4] Bakirtzi A.G.s,Theocharis J.B.Short term load forecasting using fuzzy neural networks [J].IEEE Transactions on Power Systems,2015,10(3).1518-1524.

[5]基于模糊神经网络的电力系统短期负荷预测问题研究[J].东南大学，硕士学位^范文，2015

[6]王毅. 电力系统短期负荷预测技术的研究与实现[D]. 北京：华北电力大学， 2012

[7]范不井.某地区电网短期负荷预测研究[D].郑州大学，2012

[8]冯丽，邱家驹.基于电力负荷模式分类的短期电力负荷预测[J]. 电网技术，2005，4:23-26.

[9]傅毓维，杨莉. 基于混沌时间序列的电力需求短期预测分析 [J]. 统计与决策，2010，8:38-40.

[10] 卫志农，王丹，孙国强等.基于级联神经网络的短期负荷概率预测新方法.电工技术学报，2005，20（1）：95－98.

[11]李艳玲.基于神经网络的电力系统负荷预测问题研究[J].沈阳工业大学学报，2014（10）

基于模糊神经网络的电力预测_开题报告......


上一篇：基于西门子S7-1200的海绵原料定量..	下一篇：基于单片机的烟雾报警器设计_开题..

点击查看关于 基于模糊神经网络电力预测开题报告 的相关范文题目

【返回顶部】