• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >基于模糊聚类分析与BP网络的电力系统短期负荷预测
【6h】

基于模糊聚类分析与BP网络的电力系统短期负荷预测

代理获取
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

本文以西安地区的负荷为例，提出了一种基于模糊聚类分析与BP网络的电力系统短期负荷预测组合方法。 首先，从负荷预测的概念出发，阐述了电力系统负荷预测的作用、特点、意义、预测技术的发展以及国内外短期负荷预测所用的方法和模型，分析了各种方法的优点和不足，提出要建立组合模型来预测负荷。 其次，分析了西安地区负荷的内部规律和外部特性，指出负荷除了具有年周期、周周期和日周期性外，还受到多种外部因素的影响从而呈现出不同的特性，其中对天气因素的影响作了详细分析。另外，针对负荷历史数据中的坏数据和不良数据会对预测结果精度产生影响的问题，提出了用小波变换Mallat算法进行数据预处理，实例分析该方法处理数据具有良好的效果。 然后，针对BP网络学习收敛速度慢，易陷入局部极小的问题，从BP网络的结构、参数和算法入手，提出了一些改进措施：包括网络的层数、神经元的个数、各层神经元的作用函数、网络的训练算法等。考虑了日最高温度、日最低温度、日平均温度、天气状况、日类型等因素对负荷的影响，将一年的负荷分为春夏秋冬四季，建立组合预测模型，对各个季节的负荷进行预测。通过模糊聚类分析将负荷分为若干类，找出与预测日相符的类别，再用变学习速率和变动量因子的方法训练样本，预测普通工作日的整点负荷。 最后，将本文采用的组合方法取得的结果与单一BP算法所得的结果相比较，证明该方法具有较高的精度，取得了令人满意的结果。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号