基于神经网络的短期负荷预测

本科生毕业设计（论文）

题 目：

姓 名：

学 号：

学 院：

专 业：

年 级：

指导教师： （签名）

年 月 日

电力系统整点负荷预测研究

摘要

短期负荷预测在电力系统中有着举足轻重的作用，是电力系统最基本的工作之一，准确的负荷预测为电力系统的稳定，可靠，经济的运行提供了便利条件。随着我国电力经济进一步发展，负荷预测对电力系统的经济效益和国民经济的影响越来越大。负荷预测的精度的保证成为现在电力科学人员的重要工作，负荷预测误差大直接导致导致成本增加，电力系统调度难度变大等后果。

本文简单阐述电力系统负荷预测的内容，负荷的特点。并介绍几种国内外所用的短期负荷预测的方法和发展趋势，比较其优缺点，说明人工神经网络在处理短期负荷预测这类问题有自适应，自主学习的优点。本文将利用人

第３０卷第１期

２０ｉｏ年１月

文章编号：１０００－６７８８（２０１０）０１—０１５７－１０Ｓｙｓｔｅｍｓ系统工程理论与实践Ｅｎｇｉｎｅｅｒｉｎｇ—Ｔｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ中图分类号：ＴＭ６１４文献标小．ｈ－－叼．．ＡＶ０１．３０，Ｎｏ．１Ｊａｎ．，２０１０

基于改进粒子群一模糊神经网络的短期电力负荷预测

师彪 ，李郁侠 ，于新花ｚ，闫旺

（１．西安理工大学水利水电学院，西安７１００４８；２．青岛科技大学高职业技术学院，青岛２６１０００）

摘要为了提高短期电力负荷预测精度，提出了改进的粒子群一模糊神经网络混合优化算法．用改

进的粒子群训练神经网络，实现了模糊神经网络参数优化．建立了基于该优化算法的短期负荷预测

模型，综合考虑气象、天气、日期类型等影响负荷的因素，利用贵州电网历史数据进行短期负荷预

测．仿真表明，该方法的收敛速度和预测精度优于传统模糊神经网络法、ＢＰ神经网络法、粒子群一

ＢＰ算法和粒子群一模糊神经网络方法，该优化算法克服了神经网络和粒子群优化方法的缺点，改善

了模糊神经网络的泛化能力， 提高了电网短期负荷预测的精度，各日预测负荷的平均百分比误差可

控制在１．２％以内．该算法可有效用于电力系统的短期负荷预测．

关键词短期负荷预测；ＭＰＳＯ—ＦＮＮ算

西安工业大学北方信息工程学院

本科毕业设计（论文）

题目：基于BP神经网络的短期电力负荷预测

系 别 电子信息工程系 专 业 电气工程及其自动化 班 级 B070307 姓 名 宋 亮 学 号 B07030716 导 师 张荷芳 焦灵侠

2011年6月

毕业设计（论文）任务书

系别 电子信息系 专业 电气工程自动化 班 b070307 姓名 宋亮 学号 b07030716 1.毕业设计（论文）题目： 基于bp神经网络的短期电力负荷预测 2.题目背景和意义：电力系统是由电力网、电力用户组成，其作用就是对各类用户尽可能经济地提供可靠而合乎标准要求的电能，以随时满足负荷要求。但是由于电力的生产与使用具有其特殊性，即电能是不能储存的。这就要求系统发出电力随时紧跟系统负荷的变化动态平衡，否则，就会影响供用电的质量。电力系统负荷预测因此发展起来，成为工程科学中重要的研

基于RBF神经网络模型的风电机组短期风速预测研究

摘 要：在电力市场中，风电所占电网的比例越来越大。但由于风的波动及其不可控性，风电场的发电量也在随机变化，风速是影响产能最直接最根本的因素，所以很有必要对其进行预测。本文采用RBF人工神经网络模型对未来短时间风速进行预测。通过对风速反复训练与检测来选择一组合适的模型参数，并对模型进行了误差分析。研究结果表明，使用RBF神经网络对未来风速进行短时间预测能够达到较好效果。

关坚词：风电机组；matlab；RBF神经网络；风速预测

1. 引言

开发与利用新能源是我国21世纪的重要能源战略。风能是一种“取之不尽，用之不竭”、环境友好的可持续性能源，已受到了越来越广泛的重视，并成为发展最快的新型能源。但是风电具有间歇性和随机性的固有缺点，随着我国风电并网容量快速增大，风速波动使得风力机组功率不稳定，给电力调度、风力机组维修带来了困难，因此预先一段时间进行风速的预测是很有意义的。风电场短期风速预测是解决该问题的有效途径之一。我国从20世纪90年代末开始了风速和风电功率预测研究，风电场风速预测误差在25%-40%。

本文选用径向基神经网络（即RBF神经网络），利用内蒙古某风电场2014年7月份每10分钟

目 录 1.引言.............................................................. 1

1.1 研究背景及意义 .............................................. 1 1.2 研究现状 .................................................... 2 1.3 主要研究方向 ............................................... 5 2.人工神经网络...................................................... 5

2.1人工神经网络的基本内容 ..................................... 5 2.2人工神经网络的基本特征 ..................................... 7 2.3人工神经网络的工作原理 ...................................... 8 2.4人工神经网络的分析方法 ........................

目 录 1.引言.............................................................. 1

1.1 研究背景及意义 .............................................. 1 1.2 研究现状 .................................................... 2 1.3 主要研究方向 ............................................... 5 2.人工神经网络...................................................... 5

2.1人工神经网络的基本内容 ..................................... 5 2.2人工神经网络的基本特征 ..................................... 7 2.3人工神经网络的工作原理 ...................................... 8 2.4人工神经网络的分析方法 ........................

目 录 1.引言.............................................................. 1

1.1 研究背景及意义 .............................................. 1 1.2 研究现状 .................................................... 2 1.3 主要研究方向 ............................................... 5 2.人工神经网络...................................................... 5

2.1人工神经网络的基本内容 ..................................... 5 2.2人工神经网络的基本特征 ..................................... 7 2.3人工神经网络的工作原理 ...................................... 8 2.4人工神经网络的分析方法 ........................

2012年“挑战杯”大学生

课外学术科技作品竞赛及创业设计大赛

作品名称：基于遗传算法改进作品类别：社会科学类项目成员：刘知发联系电话： BP神经网络的短期风电功

率预测研究

陈 军 母桑妮 向亚军 唐艳利 15196009869 完成时间： 2012 年 3 月 20 日0

基于遗传算法改进BP神经网络的短期风电功率预测研究

摘 要

风能发电作为21世纪重要的研究课题之一，是清洁、可再生资源的之首。对降低污染，舒缓能源消耗带来的压力有着至关重要的作用。本文通过时间序列、遗传算法和BP神经网络等方法建立了4个风电功率预测模型。通过Matlab编程，得出了不同方法预测结果，并对其准确性进行比较。

本文首先对国内外风电产业发展现状做了分析。在此基础上，第2章确定以移动平均预测法、随机时间序列预测法、BP神经网络预测法对问题进行探讨，通过Excel与

Matlab混合编程，得出移动平均预测法、随机时间序列预测法、BP神经网络预测法的

准确率分别为82%、70%、84%，合格率分别为85%、65%、92%。得出BP神经网络预测法明显优越于其他两种方法。接着运用BP神经网络预测出的数据做了预测的相对误差分析，从中得出了6组预测值的相对误差（见表3

第4 4卷第8期2 0 1 3年8月

东北

农

业

大

学

学

报

4 J 4 ( 8 ): 1 3 3 - 1 3 7Au g . 2 01 3

J o u r n a l o f No r t h e a s t Ag r i c u l t u r i a U n i v e r s i t y

网络出版时间 2 0 1 3— 8— 1 9 1 6: 4 1: 0 0

【 U R L] h t t p:// w w w . c n k i . n e t/ k c m s/ d e t a i l/ 2 3 . 1 3 9 1 . S . 2 0 1 3 0 8 1 9 . 1 6 4 1 . 0 1 3 . h t m l

基于改进 B P神经网络的价格预测模型研究孙红敏，吴静婷，李晓明(东北农业大学电气与信息学院，哈尔滨 1 5 0 0 3 0)

摘

要：人工神经网络是一种人工智能算法，具有强大功能，可任意逼近非线性连续函数。面对畜产品价格

变化的复杂因素，文章运用MA T L A B实现各种 B P神经网络的设计和训练，利用改进的神经网络算法即在权值中引入动量项，输入层至隐含层的传递函数采用 S型曲线，隐含层至输出层的传递函数采用线性函数，对东北地区畜

x=[54167 55196 56300 57482 58796 60266 61465 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87177 89211 90859 92420 93717 94974 96259 97542 98705 100072 101654 103008 104357 105851 107507

109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 1