基于小波包变换的短期电力负荷预测

基于小波包变换的短期电力负荷预测作者：熊媛学位授予单位：贵州大学相似文献(1条)1.学位论文黄丹基于小波和神经网络算法的电力系统短期负荷预测的研究2009随着电力事业的发展及电网管理日趋现代化，电力系统短期负荷预测问题的研究也越来越引起人们的关注，成为现代电力系统运行研究中的重要课题，也是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要依据。电力负荷预测具有需要预测的数据个数多、影响预测的物理因素复杂且预测精度要求高等特点。考虑到电力负荷的特点提出了将小波变换和傅立叶基神经网络相结合的综合算法，对电力系统短期负荷预测进行了系统而深入的研究。通过小波多分辨率分析和小波包变换分别对历史负荷序列进行分解的结果，小波变换可以将负荷序列分解到不同的频段上，负荷序列是以周为大周期变化，以日为小周期变化，“大周期”中嵌套“小周期”规律变化，同时也得出小波包可以对信号的低频部分再做更进一步的分解，使低频部分的周期性体现的更明显。分析了傅立叶基神经网络算法中学习率的选取和神经网络算法的收敛性的问题，为神经网络学习率的大小选择提供了理论依据。由于学习率的大小对神经网络收敛性有重要影响，太小会使神经网络收敛很慢，增加了计算量；太大又会使神经网络出现震荡现象而无法收敛，对负荷预测的结果有较大的影响。仿真研究结果表明，与小波多分辨率相比，小波包变换更能有效分析负荷序列。在电力系统短期负荷预测方法中，本文使用了传统的BP人工神经网络算法(BP-ANN)和小波包变换与傅立叶基BP神经网络综合算法(FT-ANN+BP-ANN)，并取得了一系列研究结果。本文的主要思想是傅里叶基神经网络对小波包分解的序列结果进行训练以获得电力系统短期负荷预测结果。仿真结果表明该算法不仅提高了负荷预测的精度，而且加快了收敛速度，是一个切实可行的负荷预测方法。本文通过实际算例仿真验证，小波包和傅立叶基BP神经网络结合的综合算法无论从预测精度还是网络的训练速度都优于传统的BP神经网络，体现了所提算法的良好性能。本文链接：：上海海事大学(wflshyxy)，授权号：344e6080-84ba-4942-8682-9de500f30f0c下载时间：2010年9月2日