基于BP神经网络的短期负荷预测研究

学号1109121100毕业论文课题基于BP神经网络的短期负荷预测研究学生姓名谭献富院部电气工程学院专业班级电子信息工程（2）班指导教师王银花二0一五年五月2目录摘要............................................错误!未定义书签。Abstract............................................错误!未定义书签。第一章绪论..........................................................31.1课题研究背景..................................................11.2课题研究的现状................................................11.3本课题研究的主要内容..........................................2第二章传统短期负荷预测的方法.........................................32.1回归分析法....................................................32.2指数平滑法....................................................32.3专家系统方法..................................................3第三章神经网络...........................................53.1神经网络简介..................................................53.2神经网络模型及其特征..........................................53.2.1人工神经元模型..........................................53.2.2神经网络的分类...........................................63.2.3神经网络的特征及要素.....................................73.3神经网络及其结构分析..........................................73.3.1BP神经网络的原理........................................73.3.2BP神经网络的算法设计....................................7第四章负荷预测的实例分析.............................................94.1回归分析法...................................................94.2BP神经网络的软测量模型的建立................................104.3小结.........................................................15总结...............................................................16致谢...........................................................18附录：参考程序...................................................19摘要随着我国电网和电力系统的发展与进步，短期电力负荷预测是电力系统运行调度和用电服务部门的重要日常工作之一，它直接影响电力系统的安全经济稳定运行和电网科学管理及调度的实现，负荷预测精度的高低对电力系统运行的安全性、稳定性和经济性具有重要意义。由于短期负荷预测在日趋发展的电力市场中起着重要作用，所以需要继续研究，促使短期负荷预测具有更高的精度。由于电力负荷受诸多因素影响，如当前负荷状况、天气状况等，为提高短期电力负荷预测的精度，本文介绍了多种传统方法以及BP神经网络法，并分别介绍和总结了传统方法和BP神经网络的优缺点。本文采用了回归分析和BP神经网络的预测方法，以影响电力负荷的主要因素气象参数，建立了短期负荷预测的模型，并分析了样本数据处理中遇到的几个具体问题。最后，对未来的短期负荷预测技术方面的发展做了一些设想。关键词：电力系统；短期负荷预测；回归分析法；BP神经网络ResearchofforecastingShort-termloadbaseonBPneuralnetworkAbstractWiththedevelopmentandprogressofourcountry'spowergridandpowersystem,Theshort-termloadforecasting(STLF)ofelectricsystemisoneoftheimportantroutinesforpowerdispatchandutilitydepartments.Itisaveryimportantaspectofpowersystemtoensureoperatingsafelyeconomicallysteadilyandachievescientificmanagementinthepowersystem,andaccurateloadforecastingishelpfultothesecurityandstabilityofpowersystemaswellassavingitsgenerationcosts.Withtheestablishmentanddevelopmentofthepowermarket,Duetoshort-termloadforecastingplaysanimportantroleinthedevelopingpowermarket,soyouneedtocontinuetostudy,topromoteahigheraccuracyofshort-termloadforecasting.Electricpowerisaffectedbymanyfactors,suchascurrentloadstatus,weatherstatus,andetc,Forimprovingtheaccuracyofshort-termloadforecasting,ThispaperintroducesavarietyoftraditionalmethodandBPneuralnetwork,ThispaperadoptedtheRegressionAnalysisandBPneuralnetworkmethod,withthemainfactorsinfluencingthepowerloadofmeteorologicalparameters,short-termloadforecastingmodelisestablished,Andanalyzedsamplesofseveralspecificproblemsinthedataprocessing.IntheendthepapergivesomeprospectsandhypothesisontheShort-TermLoadforecasting.Keywords:Electricsystem,Short-TermLoadforecasting,RegressionAnalysis,BPneuralnetwork1第一章绪论电力系统的主要任务是给广大人民用户提供高质量的稳定的电能，满足各类负荷的需求。但是，就当下中国的电力系统状况而言，因为系统本身对电能的储存量有限，所有在实际的系统中要求所发电能与负荷的实时变化保持着一定的动态平衡平衡，否则，将会对居民、商业、工等用电的质量和负荷需求以及电力系统的实际运行造成影响。因此，研究出精确度高的负荷预测方法对未来电力事业发展具有非常重要的应用价值。电力系统的负荷预测是受当前负荷状况、节假日、天气状况等因素影响的，所以需要调查研究大量地区的历史数据并对数据进行研究分析，发现并研究负荷与影响其变化的因素之间的内在联系与规律。负荷预测的最终目的是使系统能够更加经济、安全、稳定可靠的运行，通过得到合理的预测来达到提升电力系统的目的，核心是根据历史记录的真实负荷数据以及相对应的各类影响因素，通过建立数学模型来研究和探索两者之间的关系并能够显示负荷与各影响因素之间的发展变化规律。1.1课题研究背景电力负荷预测的分类有很多种，按预测周期的长度大致上可以分为四种，分别为长期负荷预测（10年以上）、中期负荷预测（5-6年）、短期负荷预测（几个月、几周、几天，一天内各小时）和超短期负荷预测（未来1h、未来0.5h甚至未来l0min）。目前学者们都在研究高精度的短期负荷预测方法，因为其在电网运行中应用的范围最广、意义重大。本文着重研究短期负荷预测，它的意义在于可以使电力系统更加经济、安全和稳定可靠地运行；也可以提高整个国家全方面的用电质量。在电力系统中，负荷对系统运行具有重要意义，同时负荷对电价的敏感性会随着市场的完善而逐渐增强，经济性成为整个电网运行的重要指标，使其对负荷预测的要求更加严格准确，电力市场条件下的短期负荷预测不仅仅是一个技术问题而且还是一个经济性问题，因此短期负荷预测将变为社会重要的研究课题，影响深远。1.2课题研究的现状短期负荷预测现己经成为EMS(能量管理系统EnergyMasteringSystem)不可缺少的一部分以及保证整个国家电网安全经济稳定运行所必需的手段之一，并在EMS的逐步发展中渐渐发展起来。由于负荷预测在电力系统中重要的应用价值，从二十世纪开始，电力系统研究者对短期负荷预测的系统模型和技术方法展开了大量的研究，提出了不同种类的预测方法并进行实际应用。第一阶段（二十世纪六十年代到八十年代末）是使用比较传统的原始技术对数据处理和预测，传统预测方法大多是基于某些特性参量为固定值的基础上，建立相应的数学模型，它的原理较简单，理论相对成熟，但是它简化或忽略了系统中的一些非线性特征参变量，如天气因素，不能真实反映电力系统的多元非线性特性，采用的主要方法有专家系统法和回归线法；第二阶段（二十世纪九十年代到现在）是采用人工神经网络技术，人工神经网络主要对非线性问题和不确定性问题进行研究，由于它在预测过程中考虑了天气因素、节假日因素等，在实际的短期负荷预测过程中就提高了预测精度，这就是负荷基于BP神经网络的短期负荷预测研究2预测发展的大致的两个阶段。随着中国电力事业的发展和体质改革，居民的用电质量和电力系统经济、安全和稳定的运行越来越重要，所以负荷预测这类课题研究一直比较活跃，并取得了一定成就。为了使我国的负荷发展不断趋于稳定，我国不仅注重对中长期的预测，也很注重短期负荷的预测，但是国外一些先进国家只偏重于中长期的预测。1.3本课题研究的主要内容本论文主要研究的内容是根据电网历史记录的负荷数据以及影响负荷变化对应的影响因素，分析巢湖地区电力负荷数据的特性，然后据此建立神经网络的数学预测模型，并用一组历史记录负荷和因素数据对BP神经网络进行训练，编制出相应的基于BP神经网络的短期负荷预测程序。并采传统方法之一的回归分析法，建立模型和对负荷进行预测，比较两种方法的不同，突出BP神经网络的优缺点以及需要改进的地方。具体工作有以下几点：（1）了解和学习短期负荷预测的多种传统方法，掌握其中一些方法的特点、优缺点以及适用范围。（2）了解人工神经网络的结构，着重掌握BP神经网络的理论知识和算法。（4）根据巢湖地区电网系统中所记录的历史负荷数据和对应的地区天气资料，主要研究温度和风速两个天气因