基于RBF神经网络电力负荷预测本科毕业论文.doc

文档介绍：四川理工学院毕业论文
基于RBF神经网络的短期负荷预测研究
基于RBF神经网络的短期负荷预测研究
摘要:随着电力市场的不断发展,对电力负荷科学管理的迫切要求以及对准确和适应性强的负荷预测模型的渴望,使得负荷预测的重视程度越来越高。本文采用了基于RBF(Radial Basis Function)神经网络的电力系统短期负荷预测方法,简单讨论了影响负荷的各种因素,并根据电力负荷的特点主要针对负荷值设定7个输入节点, 1个输出节点以及48点负荷值,将1999年1月3日至9日负荷数据作归一处理并作为训练数据预测10日负荷值。该方法训练速度快,收敛性好,而且可以大大地减少隐含层神经元的数目,有效地提高了预测精度和预测速度。最后根据预测结果和实际负荷进行比较,表明其误差在允许范围之内,预测精度是符合要求的,从而说明了该方法的正确性和实用性。
关键词:电力系统;负荷预测;RBF神经网络;预测模型
The Research of Short-Term Load Forecasting Based on RBF works
ZHOU Luyao
(Sichuan University of Science and Engineering,Zigong, China, 643000)
Abstract:This paper uses a brief discussion of the various factors affecting the load based on RBF (Radial Basis Function) work short-term load forecasting method,and according to the characteristics of the main power load for the load setting seven input nodes, one output nodes, and 48 point load value, the year 1999 January 3 to 9 for the normalized load data processed and used as training data to predict the 10th load method training speed, good convergence, and can greatly reduce the number of hidden neurons, effectively improve the prediction precision and predict speed. Based on the result and the actual load, compared the error that the scope of the permit, the forecasting accuracy is to satisfy the requirements, which shows that the method is correct and practical.
Key words:Electric power system; Load forecasting; RBF work; Prediction model
目录
摘要 I
Abstract II
第1章前言 1
1
2
5
5
第2章电力负荷预测概述 6
负荷预测的概念和原理 6
7
9
9
10
12
负荷的周期性 12
负荷的随机性 13
负荷的影响因素分析 13
影响负荷预测的因素及误差分析 15
影响负荷预测的主要因素 15
负荷预测的误差分析 15
17
第3章人工神经网络 18
人工神经网络 18
人工神经网络简介 18
18
RBF神经网络 20
RBF神经网络的结构 21
RBF神经网络的具体实现 22
RBF神经网络的学习算法 23
RBF神经网络与BP网络的比较 26
BP网络存在的问题 26
RBF网络与BP网络之间的差别 26