文档介绍：学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者:美F鱼日期:矽JZ年石月‘日学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或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;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者:茁f金日期zZ口J2年6月二日摘要摘要电力系统的正常运行是关系到国计民生的头等问题,如何保证电力系统正常运行时现在及将来科研工作的主要课题。而负荷预测为电力系统正常运行提供了可靠的依据,尤其短期电力负荷预测具有重要的意义。负荷预测精度的好坏影响整个国家经济、社会、生活的正常进行。本文叙述了电力系统负荷预测的背景和研究意义,以及负荷预测的概念、特点等,并叙述了几种常见的预测评价指标。阐述了电力负荷的种类和规律。在此基础上,分析了指数平滑法、灰色预测模型和人工神经网络模型三种单一短期电力负荷预测方法。文中接着论述了组合预测方法的概念、特点及数学模型。叙述了多种固定权组合预测方法:等权平均组合预测、基于误差平法和最小的思想来确定权重系数以及它们的计算公式及步骤。重点分析了变权系数组合预测模型中的模糊变权系数组合模型方法及神经网络组合预测方法。为了克服了BP神经网络缺点,本文依次采用了基于小波神经网络和粒子群优化的小波神经网络两种组合预测方法,并引入模糊聚类分析的方法筛选小波神经网络的训练样本,使小波神经网络的训练更具有针对性。通过仿真验证了这两种方法预测精度比BP神经网络都有了改善,并且粒子群优化算法改善了小波神经网络预测精度。叙述了一种新的递归神经网络即回声状态网络的结构特点、学****过程及预测方法。并在已有对电力负荷混沌性分析的基础上,通过电力负荷时间序列相空间重构,提出了一种基于回声状态网络的短期电力负荷预测方法,通过实验仿真验证了这种方法在电力负荷预测中的有效性。并建立了一种短期负荷的回声状态网络组合预测模型,仿真验证了该方法的有效性。关键词:负荷预测小波神经网络粒子群优化算法回声状态网络相空间重构AbstractAbstractnenormaloperationofthepowersystemisrelatedtothenationaleconomy,,providesareliablebasis,especiallyshort-,therearemanyloadforecastingmodel,-termpowersystemloadforecastingandtheconceptsandcharacteristicsoftheloadforecasting,position,characteristicsandregularityofthepowerload,,workmodelofshort--stationarytimeseries,accordingly,thedifferen