预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共55页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

周路尧:基于RBF神经网络的短期负荷预测研究四川理工学院本科毕业论文PAGEIVPAGEII四川理工学院毕业论文基于RBF神经网络的短期负荷预测研究学生:周路尧学号:09021040324专业:电气工程及其自动化班级:2009.3指导教师:曾晓辉四川理工学院自动化与电子信息学院二〇一三年六月PAGEI周路尧:基于RBF神经网络的短期负荷预测研究PAGEII基于RBF神经网络的短期负荷预测研究摘要:随着电力市场的不断发展,对电力负荷科学管理的迫切要求以及对准确和适应性强的负荷预测模型的渴望,使得负荷预测的重视程度越来越高。本文采用了基于RBF(RadialBasisFunction)神经网络的电力系统短期负荷预测方法,简单讨论了影响负荷的各种因素,并根据电力负荷的特点主要针对负荷值设定7个输入节点,1个输出节点以及48点负荷值,将1999年1月3日至9日负荷数据作归一处理并作为训练数据预测10日负荷值。该方法训练速度快,收敛性好,而且可以大大地减少隐含层神经元的数目,有效地提高了预测精度和预测速度。最后根据预测结果和实际负荷进行比较,表明其误差在允许范围之内,预测精度是符合要求的,从而说明了该方法的正确性和实用性。关键词:电力系统;负荷预测;RBF神经网络;预测模型PAGEIVPAGEIIITheResearchofShort-TermLoadForecastingBasedonRBFNeuralNetworksZHOULuyao(SichuanUniversityofScienceandEngineering,Zigong,China,643000)Abstract:ThispaperusesabriefdiscussionofthevariousfactorsaffectingtheloadbasedonRBF(RadialBasisFunction)neuralnetworkshort-termloadforecastingmethod,andaccordingtothecharacteristicsofthemainpowerloadfortheloadsettingseveninputnodes,oneoutputnodes,and48pointloadvalue,theyear1999January3to9forthenormalizedloaddataprocessedandusedastrainingdatatopredictthe10thloadvalue.Thismethodtrainingspeed,goodconvergence,andcangreatlyreducethenumberofhiddenneurons,effectivelyimprovethepredictionprecisionandpredictspeed.Basedontheresultandtheactualload,comparedtheerrorthatthescopeofthepermit,theforecastingaccuracyistosatisfytherequirements,whichshowsthatthemethodiscorrectandpractical.Keywords:Electricpowersystem;Loadforecasting;RBFneuralnetwork;Predictionmodel四川理工学院本科毕业论文目录TOC\o"1-3"\h\z\uHYPERLINK\l_Toc30030摘要PAGEREF_Toc30030IHYPERLINK\l_Toc23859AbstractPAGEREF_Toc23859IIHYPERLINK\l_Toc3937第1章前言PAGEREF_Toc39371HYPERLINK\l_Toc239761.1负荷预测研究的背景和意义PAGEREF_Toc239761HYPERLINK\l_Toc46821.2负荷预测的研究现状PAGEREF_Toc46822HYPERLINK\l_Toc168161.3本论文研究的主要工作PAGEREF_Toc168165HYPERLINK\l_Toc21901.4本章小结PAGEREF_Toc21905HYPERLINK\l_Toc15858第2章电力负荷预测概述PAGEREF_Toc158586HYPERLINK\l_Toc92762.1负荷预测的概念和原理PAGEREF_Toc92766HYPERLINK\l_Toc124612.2负荷预测的分类PAGEREF_Toc1