【考虑气象条件下的电力系统短期负荷预测研究】.pdf
浙江大学硕土学位论文 考虑气象条件下的电力系统短期负荷预测研究 摘要 电力系统负荷预测的水平已成为衡量电力系统运行管理现代化的标志之一.尤其是准确的短期负荷预测更是具有重要的意义。负荷预测的影响因素较多,既 由负荷本身的历史表现决定,还要受众多非负荷因素的影响。非负荷因素中又以 气象因素权重最大.负荷坏数据辨识是由负荷曲线抗差聚类和坏数据曲线模式分类两个顺序的 过程组成的.本文通过对Kohonen网的抗差聚类和BP网模式分类的效果分析,设计由这两种网络组合而成的神经网络模型,较好地完成了坏数据辨识的任务。
浙江大学硕士学位论文 目录 第一章绪论 1电力系统负荷预测意义和作用 1电力系统负荷预测概述 1负荷特性及其影响因素负荷预测的方法及其发展.1电力系统负荷预测存在的主要问题1负荷历史数据的坏数据处理节假日的负荷预测1单一预测模型的缺陷1本文的主要工作 S 第二章人工神经网络人工神经网络的一般模型2神经网络的基本学习方式 2神经网络的学习算法2BP网络的基本计算2BP算法的基本计算步骤2BP学习算法的改进
浙江大学硕士学位论文 第一章绪论 电力系统负荷的预测水平是衡量电力系统运行管理现代化的显著标志之一,负荷预测的结果除了由负荷本身的历史规律决定外,还受众多非负荷因素的影 响。多年来,许多学者对这一课题进行了深入的研究,提出了许多方法,而负荷 的变化因地区和气象而异,因而根据具体情况研究出合适的负荷预测模型,是一 项具有重要意义的工作.1电力系统负荷预测意义和作用 负荷预测,可以为发电计划程序、离线网络分析和合理的调度安排提供数据,而准确率的高低直接决定了电力系统运行的安全性和经济性,在电力市场环境 下,准确的负荷预测成为电力企业制定购电和售电方案的基础,能够保证企业运 行方案真正反映