基于量子神经网络的短期电力负荷预测硕士学位论文.doc

硕士学位论文
基于量子神经网络的短期
电力负荷预测

Short term load forecasting based on Quantum work
by
HUANG Yinhua
.(Hunan University)2007
A thesis submitted in partial satisfaction of the
Requirements for the degree of
Master of Engineering
in
Electrical Engineering
in the
Graduate School
of
Hunan University
Supervisor
Professor TAN Yanghong
April, 2010
湖南大学
学位论文原创性声明
本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。

作者签名: 日期: 年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
本学位论文属于
1、保密□,在______年解密后适用本授权书。
√
2、不保密□。
(请在以上相应方框内打“√”)
作者签名: 日期: 年月日
导师签名: 日期: 年月日
摘要
短期负荷预测既是电力系统优化调度的基础工具,又是电力企业日常经营管理工作的重要组成部分,准确的负荷预测是电网调度机构制定发供电计划和做好电网供需平衡的关键。合理而精准的负荷预测将直接影响到电力系统运行的安全性、经济性和供电质量。
本文首先介绍了负荷预测的分类依据和短期负荷预测的主要特点,详细论述了已有短期负荷预测的方法以及各种方法的原理、计算过程、适用范围和基本特征。对比分析了各种预测方法的优劣。
然后论述了常规人工神经网络理论在短期负荷预测方面的局限性。针对常规人工神经网络理论的局限性,论述了量子神经网络的理论形成和技术优势,得出量子神经网络能够很好应用于短期负荷预测的结论。对量子神经网络的研究现状进行了分析,论述了已有方法的优势和局限性。最后,介绍了量子神经网络的基本理论基础,包括量子计算的基础知识,量子神经网络的网络模型和量子神经网络的学习方法;
文中提出一种QNN网络结构及其更新算法,给出量子间隔更新式的推导过程。针对QNN收敛速度慢这一情况,引入反正切函数作为隐含层激活函数,并引入了假饱和预防函数,提出了改进的量子神经网络模型。
最后详细论述了基于量子神经网络的短期负荷预测的具体步骤。首先分析了影响负荷特性的主要因素,然后介绍了短期负荷预测中所需的数据去伪和数据量化方法。最后,详细分析了基于量子神经网络的短期负荷预测方法在预测日负荷和小时负荷的预测流程。并给出了整个电力系统短期负荷预测模型的具体实例。实例表明,该方法计算简单,预测精度高,具有很好的实用性。
关键词:电力系统;短期负荷预测;量子神经网络;神经元;负荷特性
Abstract
Short term load forecasting(STLF)is not only the basic tool of running and dispatching of power system, but also one of the most important daily contents of management and administration to power short term load forecasting is the key to arrange Generator maintain plan and nergy development strategy. Reasonable and accurate STLF will directly affect the security, ecnomical and power supply quality of the power system.
Firstly, we introduct the basis classification rules of the load forecasting, and th