毕业论文 基于局部神经网络的电力需求预测研究,共63页,32592字。
摘要
电力需求预测是实现电力系统安全、经济运行的基础,对一个电力系统而言,提高电网运行的安全性和经济性,改善电能质量,都依赖于准确的电力需求预测。中长期电力预测可以为新发电机组的安装以及电网的规划、增容和改建等提供决策支持,是电力规划部门的重要工作之一。
本文提出基于局部神经网络的预测模型进行电力需求预测。首先,采用模式预处理的方法对原始时间序列归一化处理等;其次,用时间窗将时间序列分割成一系列矢量形式的样本,并在此基础上用主成分分析方法对样本进行特征提取,以降低样本的维数;再次,运用KNN搜索获得待预测样本的K个近邻;最后,用近邻样本训练一个RBF神经网络,并利用该局部神经网络进行待预测样本的预测。在局部RBF神经网络模型的选择上,本文采用基于网格搜索与交叉验证法相结合的方法进行神经网络模型参数的选择,避免了参数选择的盲目性、随意性,提高了预测精度。本文通过仿真实验对比了局部神经网络预测模型与全局RBF网络预测模型的性能和执行效率,结果表明局部神经网络预测模型无论在预测性能上还是在执行效率上都好于全局RBF网络预测模型。
关键词:局部神经网络;主成份分析;KNN搜索;网格搜索;交叉验证
Local Neural Network based Power Demand Forecasting
Abstract
Power demand forecasting is the basic issue to ensure the stable and economical operation of power system. For a power system, both the improvement of electricity quality and the increasing of operation stability and economy depend on the precise forecasting of power demand. Medium or long term power demand forecasting can offer some decision supports for the installation of new generators and the planning, capacity increase and rebuilding of the electric network, which is one of the most important work of the power planning departments.
A local neural network model is proposed for power demand forecasting. Firstly, preprocessing of original time series such as normalization is done with some pattern preprocessing methods. Secondly, the time series are segmented into a series of samples with vector form by time window, and then feature extraction with principal component analysis (PCA) is done on the sample set in order to reduce dimensions of samples. Thirdly, k nearest neighbors of the sample to be predicted is obtained by k nearest neighbors searching (KNNS). Finally, the k nearest neighbor samples are used to train a RBF neural network, and then the sample to be predicted is predicted with the RBF neural network well trained. In this paper, grid searching and cross-validation method are used to search the optimal parameter of the RBF neural network, which can avoid the blindness and casualness of the parameter selection and improve the forecasting accuracy. Comparison of the prediction performance and implementation efficiency between the local neural network model and the global artificial neural network (ANN) is done by simulation experiments. Experimental results showed that the prediction performance and execution efficiency of local neural network model are better than those of global artificial neural network model.
Keywords:Local neural network; Principal component analysis; k-nearest neighbors searching; Grid searching; Cross-validation
目 录
1.绪论 1
1.1短期电量需求的意义及任务 1
1.1.1电量预测的意义 1
1.1.2短期电量预测的任务 2
1.2电量预测研究现状 3
1.3 论文的主要内容与结构 6
2.电力需求分析及预测 7
2.1电力负荷预测组成及作用 7
2.1.1 电力负荷的分类 7
2.1.2 负荷预测的分类 8
2.1.3 负荷预测的特点和基本原理 9
2.2 短期负荷分析 10
2.2.1 短期负荷特性 11
2.2.2 典型负荷分量分析 12
2.2.3天气敏感负荷分量分析 14
2.3 短期负荷预测的模型 15
2.3.1 短期负荷预测模型要求 15
2.3.2短期负荷预测的基本模型 16
2.4 本章小结 17
3.模式特征提取 18
3.1 特征提取过程介绍 18
3.2 数据的预处理 19
3.2.1 消除稳态分量 19
3.2.2 模式样本的归一化处理 19
3.2.3 模式样本的平滑与分块 20
3.3 主成分分析 20
3.3.1 主成分分析介绍 21
3.3.2主成分分析计算方法 21
3.3.3主成分的性质 22
3.4 本章小结 24
4.人工神经网络理论基础 25
4.1 人工神经网络基础 25
4.1.1人工神经网络介绍 25
4.1.2 神经网络的基本特征 25
4.1.3 神经网络的结构 26
4.2 RBF神经网络及应用举例 27
4.2.1 径向基础函数网络 27
4.2.2 径向基函数网络的构建 29
4.2.3 径向基函数网络的应用实例 31
4.2.4 人工神经网络在电力需求预测中的应用 33
4.3本章小结 34
5.最近邻搜索及交叉验证 35
5.1 最近邻搜索 35
5.1.1 KNN法 35
5.1.2 KNN法的改进 35
5.1.3 等均值最近邻搜索算法(ENNS) 36
5.2 交叉验证法 37
5.3 最优预测模型 38
5.4 本章总结 39
6.在MATLAB环境下实现电力需求预测 40
6.1 MATLAB语言及其神经网络工具箱 40
6.1.1 MATLAB简介 40
6.1.2 人工神经网络工具函数 40
6.2 MATLAB语言环境下的程序设计 41
6.2.1 开发环境 41
6.2.2 程序开发方法介绍 41
6.2.3 具体实现方法 41
6.3 算例分析 43
6.4 仿真实验 44
6.5 本章小结 46
7.结论 47
参考文献 48
附录 本设计程序 50
致谢 58
基于局部神经网络的电力需求预测研究下载
来源:互联网 发布日期:2011-10-01 16:26:29 浏览:6721次
导读:毕业论文基于局部神经网络的电力需求预测研究,共63页,32592字。,摘要,电力需求预测是实现电力系统安全、经济运行的基础,对一个电力系统而言,提高电网运行的安...
相关内容
AiLab云推荐
最新资讯
本月热点
热门排行
-
不被“机器狗之父”看好的人形机器人,未来要如何发展?
阅读量:72838
-
国产版达芬奇手术机器人价格跳水,是价格战要来了吗?
阅读量:67706
-
借势智元机器人,富临精工跨界入局人形机器人,准备好了吗?
阅读量:43605
-
实探全球首个核电灯塔工厂,这里有各式各样的机器人 | 碳访
阅读量:41897
-
傅盛:我不看好双足机器人的商业化
阅读量:13266
-
英伟达利用苹果Vision Pro加速人形机器人开发
阅读量:11258
推荐内容
- 2024山东国际玻璃工业技术展览会
- 2024第二十二届中国广州国际汽车展览会
- 2024年俄罗斯莫斯科电力、电网技术展览会
- 2024年荷兰阿姆斯特丹船舶游艇设备展览会METS TRADE
- 2024第12届巴基斯坦(卡拉奇)国际防务与军警展
- 2024年中国北京国际高端食品饮料博览会
- IADE2024第三届突尼斯(杰尔巴)国际航空航天与防务展
- 2024年土耳其温室农业展土耳其畜牧机械展GrowTech Eurasia
- 2024中国国际制造业数智化博览会
- 2024乌兹别克斯坦食品及包装展 UZ PROD &INTER PACK
- 2024年中国(北京)国际有机绿色食品展览会
- 2024中国北京名酒节暨世界葡萄酒博览会
- 2024第十三届杭州国际跨境电商交易博览会(跨交会 ICBE)
- 2024第89届全国药品交易会(药交会 PHARMCHINA)
- 2024中国健康营养博览会(秋季)(NHNE)
- 日本第45届国际建筑建材与家居材料展
- 2024越南(胡志明)电线电缆展览会
- 2024越南(胡志明)轴承展览会
- 2024越南(胡志明)橡胶机械及塑料展览会
- 2024秋季中国(广州)国际茶业博览会
- 2024越南(胡志明)五金机械展览会
- 2024越南(胡志明)金属及冶金展览会
- 2024越南(胡志明)润滑油及应用技术展览会
- 2024越南(胡志明)焊接与切割展览会
- 2024越南(胡志明)电池产品展览会
- 2024中国国际天然提取物和健康食品配料展览会(FIC-健康展2024)暨第23届全国秋季食品添加剂和配料展览会
- 2024厦门国际眼镜业展览会(厦门眼镜展)
- 2024第十八届中国宁波中小工厂展览会
- 2024越南(胡志明市)国际工业技术装备及产品展览会
- 2024深圳国际照明展览会
- 2024越南(胡志明)机床工具展览会
- 2024越南(胡志明)煤矿技术设备展览会
- 2024越南(胡志明)铝工业展览会
- 2024越南(胡志明)金属加工及焊接技术展览会
- 2024第29届深圳国际服装供应链博览会(秋季)(FS展 Fashion Source)暨AW深圳原创设计时装周
- 2024越南(胡志明)工业自动化及仪器仪表展览会
- 2024越南(胡志明)化工展览会
- 2024越南(胡志明)锅炉及压力容器展览会
- 2024第二十二届中国(北京)国际医疗旅游展览会(正和医疗旅游展 CMTF)
- 2024第20届越南胡志明国际工业展览会
- 2024越南(胡志明)工程机械设备展览会
- 2024越南(胡志明)电机及线圈展览会
- 2024年越南国际制药装备及医疗器械展览会
- 2024越南(胡志明)国际复合材料展览会
- 2024越南国际表面处理及涂料涂装展览会
- 2024年第9届北京国际少年儿童素质教育及产品展览会
- 2024第21届潍坊茶业博览会暨紫砂展
- 2024第38届中国植保信息交流暨农药械交易会(中国植保双交会)暨2024丘陵山区农业机械 及设施农业展览会
- 2024第20届中国(重庆)国际秋季茶产业博览会暨紫砂、陶瓷、茶具用品展(华巨臣茶博会)
- 第十六届中国绿色食品博览会暨江西茶业展
- 2024中国(西安)国际低空经济发展大会
- 2024ECIE电商创新展原第十届山东(济南)电子商务产业博览会
- 2024年AACF亚洲曼谷成人展暨亚洲奇妙文化节
- 2024AIG第四届妙国际动漫游戏暨数码互动娱乐产业博览会
- 2024亚洲国际消费电子技术展(南京站)
- 2024第八届亚洲雷达展览会
- 2024厦门国际咖啡产业博览会(厦门咖啡展)
- 2024亚洲运动用品与时尚展暨慕尼黑文体节(厦门站) ISPO
- 2024第八届亚洲无人机产业展(南京)
- 2024巴西国际健身及康体设施展览会
- 2024亚洲消费电子技术展
- 2024北京第4届中冰展暨亚餐会
- 2024第八届南京国防电子展
- 2024第22届亚洲电源产品技术展(南京)