硕士论文-基于人工和模糊神经网络的电力系统负荷预测

基于人工和模糊神经网络的电力系统负荷预测作者：胡宏宇学位授予单位：南昌大学参考文献(38条)1.肖国泉.王春.张福伟电力负荷预测20012.滕菲.王宁电力负荷预测技术[期刊论文]-黑龙江电力2002(5)3.牛东晓.曹树华.赵磊.张文文电力负荷预测技术及其应用19984.刘晨晖电力系统负荷预报理论与方法19875.魏伟.牛东晓.常征负荷预测技术的新进展[期刊论文]-华北电力大学学报2002(1)6.姜勇电力系统中短期负荷预测方法简介[期刊论文]-东北电力技术2002(8)7.邓聚龙灰色预测与决策19928.HCWu.CNLuAutomaticFuzzymodelIdentficationForShort-TermLoadForecasting1999(05)9.DCPark.MAEl-SharkawiElectricLoadForecastingUsingAnArtificialNeuralNetwork1991(02)10.CNLu.HTWuNeuralNetworkBasedShortTermLoadForecasting1993(01)11.AGBakirtzis.NPetridlsANeuralNetworkShortTermLoadForecastingModelfortheGreekPowerSystem1996(02)12.IDrezga.SRahmanShort-TermLoadForecastingwithLocalANNPredicator1999(03)13.HoKL.HsuYY.YangCCShortTermLoadForecastingUsinganArtificialNeuralNetworkwithanAdaptiveLearningAlgorithm1992(01)14.Kwang-HoKim.Jong-KeunParkImplementationofHybridShort-termLoadForecastingSystemUsingArtificialNeuralNetworksandFuzzyExpertSystems1995(03)15.蒋宗礼人工神经网络导论200116.MartinTHaganNeuralNetworkDesign200217.SimonHaykinNeuralNetworks200418.杨行峻.郑君里人工神经网络与盲信号处理200319.闻新.周露.王丹力.熊晓英MATLAB神经网络应用设计200320.楼顺天.施阳基于MATLAB的系统分析与设计--神经网络199921.郑岗.刘斌.周勇.刘丁.穆国强基于神经元网络的短期电力负荷预测[期刊论文]-西安理工大学学报2002(2)22.鞠平.姜巍.赵夏阳.王俊锴.张世学.刘琰96点短期负荷预测方法及其应用[期刊论文]-电力系统自动化2001(22)23.袁曾任人工神经元网络及其应用199924.姚敏计算机模糊信息处理技术199925.王士同神经模糊系统及其应用199826.赵振宇.徐用掀模糊理论和神经网络的基础与应用199627.王立新.王迎军模糊系统与模糊控制教程200328.JangJ-SRANFIS:Adaptive-Network-basedFuzzyInferenceSystems1993(03)29.吴晓莉.林哲辉MATLAB辅助模糊系统设计200230.闻新.周露.李东江.贝超Matlab模糊逻辑工具箱的分析与应用200131.SChiuFuzzyModelIdentificationBasedonClusterEstimatio1994(03)32.SrinivasanDDemandForecastingUsingFuzzyNeuralComputationwithSpecialEmphasisonWeekendandPublicHolidayForecasting1995(04)33.PKDashFuzzyNeuralNetworkforTime-seriesForecastingofElectricload1995(05)34.张涛.赵登福.周琳.王锡凡.夏道止基于RBF神经网络和专家系统的短期负荷预测方法[期刊论文]-西安交通大学学报2001(4)35.高山短期负荷预测的神经网络实现[期刊论文]-电力需求侧管理2001(6)36.牛东晓.邢棉.谢宏.陈志业短期电力负荷预测的小波神经元网络模型的研究[期刊论文]-电网技术1999(4)37.牛东晓.陈志业.谢宏组合灰色神经网络模型及其季节性负荷预测[期刊论文]-华北电力大学学报2000(4)38.梁海峰.涂光瑜.唐红卫遗传神经网络在电力系统短期负荷预测中的应用[期刊论文]-电网技术2001(1)相似文献(10条)1.期刊论文刘玮.王智伟.袁照旺.崔舒人工神经网络在商场建筑物冷负荷预测中的应用-长安大学学报（建筑与环境科学版）2004,21(4)对空调系统进行冷负荷预测是对冰蓄冷系统进行优化控制的重要前提与基础.经过对各种预测方法的结果比较,人们发现人工神经网络预测的结果更接近实际值.基于人工神经网络的通用BP(BackPropagation)算法编制的程序,实际对一栋采用冰蓄冷空调的商场性质建筑物进行冷负荷预测并加以评价.此程序采用VisualBasic编制,含有7个输入层以及1个输出层,利用通用BP算法.结果显示利用人工神经网络预测建筑物冷负荷比较可靠.2.学位论文方静基于灰色系统和人工神经网络的周、月负荷预测综合模型2007周、月负荷预测对电力系统规划和运行是非常重要的。本文的目的是探讨如何准确的进行周负荷预测和月负荷预测。本文较为详细的介绍了灰色预测技术和人工神经网络预测技术。在分析两种预测技术的优缺点后，针对它们的互补性总结出五种基于灰色系统和人工神经网络的综合模型：并联型综合模型、串联型综合模型、灰色系统辅助神经网络型综合模型、神经网络辅助灰色系统型综合模型和补偿型综合模型。结合本文来源(河南省负荷预测项目)关于周、月负荷预测的相关要求，选择串联型综合模型进行建模。所谓串联型综合模型是指将不同灰色预测模型的预测结果作为神经网络预测模型的输入，利用神经网络强大的非线性映射功能在其输出端得到精度更高的预测结果。在灰色预测中通过对历史数据作不同的取舍可以建立不同的灰色模型，不同模型的预测值不同，因此预测结果是一个区间而非一个值。在此区间中找出一个预测精度最高的模型来比较困难，因为不同阶段最好的灰色模型并不固定，而且采用一种模型进行预测会产生风险，因为影响负荷变化的因素具有随机性。此时可利用神经网络良好的非线性映射能力对预测区间中的预测值进行最优组合。通过对河南电网进行周、月负荷预测仿真，证明了串联型综合模型的预测精度明显优于分别用灰色模型和人工神经网络模型进行预测的结果。最后，针对河南电网进行了周、月负荷预测软件的开发。3.会议论文方静.李新炜.程鹏.唐智育.鄢安河.孙长银.鞠平基于灰色系统和人工神经网络的负荷预测综合模型2006灰色系统、人工神经网络作为行之有效的负荷预测工具有着各自的优缺点，本文通过研究两者的互补性，分析了两者的结合方式，给出了基于灰色系统和人工神经网络的负荷预测综合模型。通过算例初步进行了验证。4.学位论文杨云华应用人工神经网络进行电力系统负荷预测1999电力系统负荷预测是电力部门进行运行和规划的重要依据.该文采用人工神经网络进行电力系统的负荷预测,在总结前人经验的基础上,提出了四种不同类型的人工神经网络预测负荷的模型,即日负荷预测模型,节假日负荷预测模型,段电量预测模型和年、月电量预测模型.针对人工神经网络的学习算法(BP算法),在目标函数接近最优值时,下降缓慢的缺陷.该文还把专家系统和人工神经网络相结合,用专家系统来处理人工神经网络不便于描述的影响负荷变化的随机因素,进一步提高了预测的精度.5.期刊论文吴耀华.WUYao-hua基于GM-GRNN的电力系统长期负荷预测-继电器2007,35(6)由于长期负荷历史数据比较少,因此预测难度较大.在分析了灰色预测和神经网络预测的优缺点的基础上,提出了一种新型的预测方法--GM-GRNN预测方法,此方法就是将灰色预测方法和人工神经网络中的广义神经网络相结合的预测方法,新方法发挥了灰色预测方法中的累加生成的优点,能够削弱原始数据中随机性并增加规律性,同时避免了灰色预测方法及其预测模型存在的理论误差.最后采用我国某省年用电量的预测的算例表明该方法的预测精度优于单一的灰色预测和单一的神经网络预测方法,为电力系统长期负荷预测提供了一种有用的方法.6.学位论文史德明基于灰色预测和人工神经网络组合的负荷预测2001该论文简要的介绍了目前运用的各种负荷预测方法,对新近引入电力系统的灰色预测理论及其各种模型的基本原理,如等维GM(1,1)模型、等维新息GM(1,1)模型、等维灰数递补模型和等维GM(1,h)模型则作较为详细的分析,同时也介绍了人工神经网络的理论及其进行负荷预测的模型.由于上述的各种灰色模型在负荷预测中,当历史数据作不同的取舍时,所昨到的预测值并不相同,这种预测结果将是一个预测值的区间,不利于操作人员取得一个确定的值.此外,由于影响负荷变化因素较多,使用一种模型进行预测,风险性也较大.基于此,该论文提出了一种新型的基于灰色预测和人工神经网络的组合预测方法.7.期刊论文赵璐基于人工神经网络的电力系统负荷预测-硅谷2008,(8)介绍应用人工神经网络的方法预测电力系统负荷,重点研究BP人工神经网络在短期和中长期负荷预测中的应用.8.期刊论文赵宇红.李兰君.王丽君.ZHAOYu-hong.LILan-jun.WANGLi-jun基于遗传算法的人工神经网络负荷预测研究-南华大学学报（自然科学版）2005,19(4)针对BP神经网络的固有缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,改进了传统BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了基于遗传算法的人工神经网络负荷预测模型,预测仿真结果表明,本文所提出的方法在预测精度和收敛速度方面均得到了改进.9.学位论文姜延灿基于人工神经网络的热负荷预测及蓄热式电锅炉系统运行优化2003电蓄能技术是转移高峰电力、开发低谷用电、优化资源配置和保护生态环境的一项重要技术措施。受到分时电价政策的鼓励，蓄热式电锅炉供热技术已逐步得到推广应用。在蓄热式电锅炉供热系统中，直接向热用户供热的是蓄热器，电锅炉则应尽可能在低电价时段启动向蓄热器供热，而在高电价时段停运。当前运行的蓄热式电锅炉供热系统中电锅炉的启停控制一般有两种方式：一种是根据分时电价和用户热负荷由人工启停，另一种是根据蓄热器的水位或水温信号由自动控制装置启停。这两种方式都不能充分利用分时电价，实现最优化运行(即运行费用最低)。实际上，在已知逐时电价曲线和用户热负荷曲线的情况下，应存在一条最优的供热曲线(或电锅炉启停曲线)，这条曲线可利用最优化理论和适当的优化方法来找到。问题是，其中的用户热负荷与诸多因素有关，难以预先确定。考虑到影响供热采暖需求负荷的因素复杂且具有随机性和非线形性，在对预测理论进行研究和对各种预测方法进行比较后，本文首次将基于人工神经网络的负荷预测与基于动态规划原理的优化方法相结合，用于蓄热式电锅炉系统的经济运行策略研究。作为尝试，通过“CWL(气候-星期-负荷)”模型预测用户的热负荷需求，并以此为基础，结合当前及着眼未来的分时电价发展趋势，利用优化方法对该系统的经济运行做出决策。本文还讨论了神经网络模型中隐含层神经元个数的选取问题及输入输出矢量的归一化处理问题，介绍了根据问题特点建立动态规划的优化模型及采用改进单纯形法求解的思路，并给出了具体的算法原理及实现步骤。最后，介绍了应用VisualBasic、Access和MATLAB等工具进行编程实现的方法，并展示了研究结果在运行控制和经济分析上的应用。本文的研究成果对于蓄热式电锅炉系统的运行优化和电蓄能技术的推广应用，具有较为实际的参考和工程应用意义。10.期刊论文王启明.方静.王子琦.