硕士论文基于小波和神经网络理论的电力系统负荷预测研究.pdf

声明本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学文中,除了加以标注和致谢的部分外,不包含其他人已经发表或公布研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名:塞尘龃乒口f争年哆月弓口日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或上网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文,按保密的有关规定和程序处理。研究生签名:垫皇蛆印l互年弓月;口日基于小波和神经网络理论的电力系统负荷预测研究摘要㈩IIIY2061059分为长期负荷预测、中期负荷预测和短期负荷预测。比较排、运行计划等起着关键性的作用。从大的方面说,对提电力系统的安全性、可靠性都有重大影响,并且能够使电力系统在较低成本下运行。本文首先深入研究了电力系统的整体负荷特性,包括一年的变化特性、一个月的变化特性、一周的变化特性和一天的变化特性。对温度高低和负荷数值的变化关系等进行了较深入的探讨,对训练样本做了大量的预处理工作。接着介绍了神经网络理论,并随之建立基于BP学习算法的预测模型,通过大量的实验确定了网络的最佳结构,得到了较满意的预测结果。虽然误差反传(BP)算法的预测结果比较理想,但该算法的缺点是收敛的时间较长、且陷入局部极小点的可能性很大,故文章紧接着介绍了遗传算法(GA),类比遗传学理论,初始化BP神经网络的权值和阈值,编码并进行遗传算法操作,不断迭代寻优,从而获得最佳的权值和阈值,使用优化后的神经网络进行负荷预测时,预测负荷和实际负荷数值更加接近。在文章的最后,系统地介绍了小波理论、PSO算法、支持向量机(SVM)理论,构建了基于小波分析的综合预测系统,得到的预测结果以及最终的预测误差等指标表明该方法的预测精度和效率更高,达到了论文所期待的比较理想的误差和要求。关键词:短期负荷预测,神经网络,遗传算法,小波分析,PSO算法,SVMAbstract硕士论文AbstractTheloadforecastingofpowersystemincludeslong-termloadforecasting、medium-termloadforecastingandshort--,itCanimprovethepowerqualityofthepowersystem,,preciseshort-'stdigsintothewholeloadcharactefistiesofthepowersystemincludingtheperiodicityofoneyear、onemonth、,,worktheory,afterthis,,(BP)algorithmisjustideal,theBPalgorithmiseasytofallintothelocalminimumpointsanditsconvergencetimeislong,、,thepredictionl