基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測研究.pdf

1、采用電力系統(tǒng)短期負(fù)荷預(yù)測算法以及相關(guān)的仿真軟件構(gòu)建出負(fù)荷預(yù)測模型,并結(jié)合電力系統(tǒng)歷史負(fù)荷數(shù)據(jù)對模型進(jìn)行“學(xué)習(xí)”訓(xùn)練。該模型可用于對電力系統(tǒng)短期負(fù)荷預(yù)測,預(yù)測模型的準(zhǔn)確性不僅對電力調(diào)度科學(xué)合理地運(yùn)行和相關(guān)電力調(diào)度規(guī)劃的制定具有重要的意義,也是電網(wǎng)系統(tǒng)安全可靠、節(jié)能經(jīng)濟(jì)運(yùn)行發(fā)展必要的信息保障。
　　目前,用于短期負(fù)荷預(yù)測的算法及其對應(yīng)的數(shù)學(xué)模型有多種,但是傳統(tǒng)的預(yù)測算法依賴于較為精確的數(shù)學(xué)模型,而在實(shí)際預(yù)測過程中一些影響負(fù)荷波動的特性

2、參數(shù)通常采用恒值假定的方法,從而導(dǎo)致預(yù)測得到的負(fù)荷數(shù)據(jù)不能真實(shí)地反映出電力需求側(cè)負(fù)荷的總體調(diào)度要求,在準(zhǔn)確性、可靠性、和實(shí)時性等方面較差。
　　隨著電力建設(shè)的加速,現(xiàn)代電網(wǎng)在結(jié)構(gòu)和功能等多方面也越來越復(fù)雜,且實(shí)際運(yùn)行中需求側(cè)負(fù)荷變化量具有多元非線性時變特性。模糊神經(jīng)網(wǎng)絡(luò)模型結(jié)合了神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性數(shù)據(jù)樣本智能學(xué)習(xí)訓(xùn)練和模糊邏輯優(yōu)化優(yōu)點(diǎn),通過采用網(wǎng)絡(luò)模型內(nèi)部各層神經(jīng)元間的模糊學(xué)習(xí)推理運(yùn)算方法可獲得高準(zhǔn)確度的負(fù)荷預(yù)測數(shù)據(jù)?？梢暬瘮?shù)

3、編程軟件Visual C++將基于模糊神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測網(wǎng)絡(luò)用于可視化信息傳輸,有利于提高模糊神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測系統(tǒng)的綜合運(yùn)行性能。對整個研究過程進(jìn)行總結(jié),論文所做的工作主要包括以下幾點(diǎn):
　　(1)首先綜述了電力系統(tǒng)短期負(fù)荷傳統(tǒng)預(yù)測方法以及現(xiàn)代智能方法,在對上述各類方法進(jìn)行比較的基礎(chǔ)上,并考慮到短期負(fù)荷的非線性時變特性,選用模糊神經(jīng)網(wǎng)絡(luò)作為短期負(fù)荷預(yù)測模型的基本網(wǎng)絡(luò)結(jié)構(gòu)和內(nèi)部運(yùn)算準(zhǔn)則;
　　(2)簡要介紹了神經(jīng)網(wǎng)絡(luò)和模糊

4、邏輯理論的工作原理以及運(yùn)算流程,構(gòu)建了模糊神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測網(wǎng)絡(luò)結(jié)構(gòu);
　　(3)借助于MATLAB仿真軟件平臺,構(gòu)建了三層四功能單元的模糊神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測模型。利用某電網(wǎng)3年內(nèi)負(fù)荷歷史數(shù)據(jù)對模型進(jìn)行“學(xué)習(xí)”訓(xùn)練,根據(jù)預(yù)測后日負(fù)荷數(shù)據(jù)及其誤差分析結(jié)果,可知其誤差率可控制在3％以內(nèi),進(jìn)而驗(yàn)證了本文所選用的模糊神經(jīng)網(wǎng)絡(luò)模型的可靠性與準(zhǔn)確性;
　　(4)將Visual C++可視化函數(shù)編程軟件與MATLAB仿真平臺相結(jié)合,構(gòu)建了