论文总字数：28259字

摘 要

该篇文章的输入样本数据主要基于江苏某地区2018年全地区全社会相应的历史负荷数据，其中包括日负荷（一天24小时平分成96个时间点，每隔15分钟记录一次负荷数据）、最大日负荷和最小日负荷。本篇文章主要的研究手段是BP算法，这种方法也是当前在系统内进行负荷预测时应用最多的一种人工神经网络，神经网络的输入样本数据为江苏某地区的历史实际负荷数据，由于是短期负荷预测，我们暂时先忽略温度、气象、人口等因素对预测的影响，然后通过BP算法对事先记录好的历史负荷数据实施预测，最后在MATLAB软件中编写归一化程序以及反归一化程序，在此基础上编写神经网络BP算法的主程序，在仿真调试过程中，我们分别运用了6天的和2天的历史负荷数据来预测同一天的负荷并与历史实际数据进行比较，在此基础上计算相对误差，分析原理。在MATLAB仿真软件中存在的程序模型对社会上各行各业的电力需求预测都十分适用。

关键词：电力市场；负荷预测；神经网络；BP算法；MATLAB

Short-term load prediction of power systems based on neural networks

Abstract

Presently, with the continuous improvement of the national economic level and living standards, people not only have a greater demand for electricity, but also attach great importance to stable and high-quality power quality, so the power market is constantly developing under this pressure. Power system load prediction is one of the important work in the power system production department, using neural network to predict the short-term load of power system, under the premise of ensuring that there are enough training samples, the forecast model is reasonably classified, the corresponding weekly forecast and daily forecast model corresponding to different seasons are constructed, and the choice of input variables, it is mainly from the known demand for electricity, considering politics, economy, climate, etc., to make corresponding predictions of future electricity demand.

The input sample data of this article is mainly based on the corresponding historical load data of the whole region and society in a certain area of Jiangsu Province in 2018, including daily load (recording data every 15 minutes, 24 hours a day, a total of 96 load data), daily maximum load and daily minimum load. The main research method of this paper is the back propagation algorithm (BP algorithm). This method is also the most widely used artificial neural network (ANN) in the system load forecasting. The input sample data of ANN is the historical actual load data of a certain area in Jiangsu Province, because it is a short-term load forecasting, we ignore the influence of temperature, weather, population and other factors on the forecasting for the time being, and then use BP algorithm to forecast the historical load data recorded in advance. Finally, we use matlab simulation software to write normalization program and anti-normalization program, and then write the main program of neural network BP algorithm, we use the historical load data of 6 days and 2 days to forecast the load of the same day and compare with the historical actual data. On this basis, we calculate the relative error and analyze the principle. The program model in MATLAB simulation software is very suitable for power demand forecasting of all walks of life.

Key Words: Electricity Market , Load Prediction , Neural Networks , BP Algorithms

MATLAB

目 录

摘 要 I

Abstract II

第一章 引 言 1

1.1 负荷预测的目的和意义 1

1.2 负荷预测研究现状 1

1.3 主要研究内容 2

第二章 电力负荷预测技术 4

2.1 电力负荷预测的概念 4

2.2 电力负荷预测的分类 4

2.3 电力负荷预测的原理及特点 4

2.3.1 负荷预测的原理 4

2.3.2 负荷预测的特点 5

2.4 负荷预测的影响因素 5

2.5 负荷预测的步骤 6

2.6 电力市场对负荷预测的要求 7

第三章 神经网络 8

3.1 概述 8

3.1.1人工神经网络的发展 8

3.1.2 人工神经网络的应用领域 8

3.2 人工神经网络的种类 9

3.3 神经网络的基本原理 9

3.3.1 神经元特性 9

3.3.2 神经网络的拓扑结构 11

3.3.3 神经网络的学习方式 11

第四章 BP神经网络 13

4.1 BP算法简介 13

4.2 BP网络及其学习算法 13

4.3 BP网络的学习方式 14

4.4 BP网络的优点及局限性 16

第五章 基于神经网络的短期负荷预测 17

5.1 使用MATLAB实现基于神经网络的短期负荷预测 17

5.2 案例分析 19

5.2.1 数据预处理 22

5.2.2 数据归一化处理 23

5.3 BP神经网络仿真 24

5.4 仿真结果 24

第六章 结 论 34

致 谢 35

参考文献 36

附 录 37

第一章 引 言

1.1 负荷预测的目的和意义

来时刻进行事先调度分配的依据，负荷预测结果的准确程度都会对分配的结果产生直接且重大的影响，从而威胁电力系统的安全稳定运行，阻碍国家经济发展。如果我们能够准确及时地对预测负荷，掌握各种负荷预测方法，电力部门就能做到合理地分配和输送电能以满足负荷需求，这将会极大地促进我国电力市场的发展，大大提高电力系统运行效率。

1.2 负荷预测研究现状

自20世纪40年代以来，集中音频控制技术在欧洲各国得到了广泛的发展和应用。在70年代，全国对负荷需求变得非常旺盛，但当时极度缺乏能源，电网技术处于起步状态，用电贵，用电就超，用电就断的情况使百姓苦不堪言，频繁的断电成为了各行各业的正常生产和人民群众的日常生活的巨大障碍。20世纪80年代，我国开始展开了电力负荷控制技术的研究和应用工作，负荷预测逐渐成为了国家电网公司的极为重要且不可或缺的一项日常工作任务。直到20世纪90年代，国家电网以飞快的速度建设着，电能供求之间的矛盾也趋于平缓，这一切归功于国家经济体制改革的深化和社会主义市场经济的不断完善和发展，

剩余内容已隐藏，请支付后下载全文，论文总字数：28259字