基于BP神经网络三门地区短期电力负荷预测

摘要

负荷预测在电力系统中占据着举足轻重的地位，是电力系统适应经济发展进入新常态的重要工作之一，本文简单阐述电力负荷预测的研究意义、特点、原理，介绍了常用负荷预测的方法，分析比较其优缺点和适用范围。通过分析比较，以三门地区短期电力负荷预测为研究背景，着重研究人工神经网络BP算法的实现和程序编制。鉴于电力系统负荷变化受天气、节假日的影响较大，本次短期电力负荷预测，采用历史24点日电力负荷数据结合最高、最低温度数据按不同的日期类型分别建立BP神经网络模型。最后使用Matlab神经网络工具箱实现仿真，检验负荷预测程序的速度和精度，并对预测结果进行分析，提出负荷预测模型提高精度的措施。 

关键词　短期负荷预测；人工神经元网络；BP算法；MATLAB；

目录

摘要I

第1章 绪论2

1.1 电力系统负荷预测的意义2

1.2 电力系统负荷预测研究现状2

1.3 电力系统负荷预测概述3

1.3.1 电力系统负荷预测的含义3

1.3.2 电力系统负荷预测的特点4

1.3.3 电力系统负荷预测的原理4

1.3.4 电力系统负荷预测的基本程序5

1.4 电力系统负荷预测的方法6

1.4.1 负荷预测的传统方法6

1.4.2 负荷预测的现代方法6

1.5 负荷预测的优缺点及适用范围分析8

1.6 本文的主要工作9

第2章 人工神经网络10

2.1 人工神经网络概述10

2.1.1 人工神经网络的特点10

2.1.2 神经元模型10

2.2 神经网络BP算法11

2.2.1 BP网络结构11

2.2.2 BP网络原理11

2.2.3 BP网络的局限性13

2.2.4 BP网络的改进13

2.3 本章小结14

第3章 负荷预测模型设计与实现15

3.1 数据分析与处理15

3.1.1 历史数据采集与分析15

3.1.2 数据的归一化15

3.2 负荷模型设计16

3.2.1 模型的结构设计16

3.2.2 模型的初始参数设计17

3.3 Matlab仿真设计18

3.4 预测结果分析19

第4章 结论与展望21

参考文献22

附录23