基于小波神經(jīng)網(wǎng)絡(luò)的短期電能負(fù)荷預(yù)測(cè)方法研究.pdf

1、電能作為日常生活中必不可少的能源，與此同時(shí)大量的用電設(shè)備在生產(chǎn)生活中得到了廣泛的應(yīng)用，大型低壓用戶如何對(duì)電能有效利用是現(xiàn)在所面臨的問(wèn)題。負(fù)荷預(yù)測(cè)不僅應(yīng)用在電網(wǎng)高壓側(cè)負(fù)荷分配與規(guī)劃中，而且為低壓用戶電能的規(guī)劃、監(jiān)控以及電能的有效利用提供依據(jù)。
　　本文針對(duì)天津某大型用電企業(yè)24小時(shí)連續(xù)不斷運(yùn)轉(zhuǎn)的實(shí)驗(yàn)室進(jìn)行短期日負(fù)荷電能預(yù)測(cè)。該實(shí)驗(yàn)室負(fù)荷以日為單位呈周期性變換，但是受一定外界干擾以及對(duì)于不同的實(shí)驗(yàn)對(duì)象所耗電量不同。由此負(fù)荷預(yù)測(cè)對(duì)象波動(dòng)

2、性較大，且影響預(yù)測(cè)精度的因素多樣，本文提出一種基于神經(jīng)網(wǎng)絡(luò)與小波變換的負(fù)荷預(yù)測(cè)建模方法。為驗(yàn)證小波神經(jīng)網(wǎng)絡(luò)模型有效性，采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)(BP)、輔助式結(jié)合小波神經(jīng)網(wǎng)絡(luò)(WNN1)和嵌套式結(jié)合小波神經(jīng)網(wǎng)絡(luò)(WNN2)三種網(wǎng)絡(luò)進(jìn)行日負(fù)荷預(yù)測(cè)。對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理以及歸一化處理后，將其作為建模數(shù)據(jù)，在此基礎(chǔ)上使用三種算法分別建立預(yù)測(cè)模型，通過(guò)比較模型的誤差與負(fù)荷預(yù)測(cè)精度發(fā)現(xiàn)，WNN2網(wǎng)絡(luò)模型預(yù)測(cè)精度能符合短期預(yù)測(cè)精度要求，其具有更強(qiáng)的學(xué)習(xí)

3、能力，收斂速度更快。
　　本文采用VC6.0和Matlab混合編程模式進(jìn)行了預(yù)測(cè)軟件的設(shè)計(jì)。Matlab在算法編程上靈活、簡(jiǎn)單，具有更好的擴(kuò)展性特點(diǎn)，利用Matlab中的COM生成器組件，將Matlab上編寫(xiě)的算法程序轉(zhuǎn)換為能供VC調(diào)用的函數(shù)。同時(shí)以VC和SQLServer結(jié)合，實(shí)現(xiàn)數(shù)據(jù)、信息在數(shù)據(jù)庫(kù)中的存儲(chǔ)。
　　本文通過(guò)對(duì)低壓用戶電能預(yù)測(cè)算法研究和預(yù)測(cè)軟件的設(shè)計(jì)，可以較準(zhǔn)確的實(shí)現(xiàn)日負(fù)荷預(yù)測(cè)，為電能的有效利用提供更好的依據(jù)