基于bp神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測畢業(yè)論文(文件)
【正文】 3 2101 1956 2122 2145 2049 2073 2126 15:002117 2088 1964 2124 2147 2056 2080 2132 16:002208 2215 2055 2192 2283 2144 2147 2219 17:002284 2356 2170 2273 2371 2256 2265 2322 18:002330 2331 2169 2305 2378 2297 2260 2340 19:002504 2396 2333 2490 2410 2450 2425 2475 20:002447 2335 2296 2416 2307 2385 2381 2397 21:002351 2263 2228 2346 2171 2311 2304 2332 22:002276 2175 2131 2212 2060 2184 2182 2261 23:002070 1980 1928 2008 1867 1999 1955 2036 BP仿真設(shè)計 由上文可知，文中輸入節(jié)點和輸出接點個數(shù)都為24個，隱層節(jié)點個數(shù)因為比較重要，直接影響著收斂精度和速度，由公式（41)、（42）和（43）來確定隱層節(jié)點個數(shù)，算出隱藏節(jié)點個數(shù)為50個，比較容易讓網(wǎng)絡(luò)收斂。創(chuàng)建BP網(wǎng)絡(luò)： net=newff（minmax（samplelist），[20,24], {39。},39。另外一方面，這里沒有考慮氣候、溫度、節(jié)假日等對負(fù)荷預(yù)測的影響，使得誤差沒有進(jìn)一步的減小，使得曲線起伏較大，但由于我國目前的國情，數(shù)據(jù)獲取難度比較大，尤其是實時的天氣數(shù)據(jù)，由于天氣變化比較快，實時天氣數(shù)據(jù)很難獲取，這就加大了負(fù)荷預(yù)測的難度。電力系統(tǒng)是一個龐大復(fù)雜的系統(tǒng)，并伴隨著信息化、節(jié)能化在不斷發(fā)展，越來越多的超高壓甚至特高壓線路在不斷建設(shè)，對電力科學(xué)的要求在不斷提高，其中負(fù)荷預(yù)測技術(shù)顯得尤為重要，其精度決定著電能質(zhì)量以及電力系統(tǒng)能否為各行業(yè)提供良好的供電服務(wù)。目前，我國處于一個東部地區(qū)用電量大但電力資源短缺，西部地區(qū)用電量小但電力資源豐富的環(huán)境，因此各地區(qū)的調(diào)度部門應(yīng)該合理分配電力資源，加強負(fù)荷預(yù)測精度，使得每一度電都不浪費，降低電力資源浪費對國家經(jīng)濟發(fā)展的影響，神經(jīng)網(wǎng)絡(luò)預(yù)測短期負(fù)荷有很光明的發(fā)展前景，可供各地區(qū)的電力調(diào)度部門采納使用。中國電力出版社，2001,7.附錄BP算法預(yù)測負(fù)荷的程序： a=[1702 1560 1522 1504 1509 1515 1696 1828 1970 2114 2190 2322 2065 2016 ... 2039 2041 2125 2275 2308 2355 2294 2203 2091 1863。 1684 1609 1532 1509 1488 1531 1790 1902 2030 2143 2220 2341 2014 2013 ... 2064 2053 2149 2247 2292 2412 2338 2234 2140 1931。 1829 1719 1644 1608 1627 1634 1882 1998 2142 2233 2268 2392 2070 2073 ... 2133 2117 2208 2284 2330 2504 2447 2351 2276 2070。 1862 1715 1671 1633 1609 1645 1842 1937 2059 2197 2283 2399 2061 2053 ... 2145 2147 2283 2371 2378 2410 2309 2171 2060 1867。 1847 1716 1618 1623 1606 1633 1805 1880 2037 2146 2242 2373 2058 2034 ... 2129 2118 2210 2295 2318 2455 2398 2304 2231 2050。 u0=min(min(a))。%輸入矩陣 expectlist=b(1:end,2:16)。purelin39。%建立網(wǎng)絡(luò)，50個隱含層節(jié)點，24個輸出層節(jié)點 =20000。%用輸入輸出訓(xùn)練網(wǎng)絡(luò) expectlist1=b(:,16)。%用22日預(yù)測結(jié)果預(yù)測23日 y1=(U0u0).*y+u0。%畫圖設(shè)置步長 figure(1) plot(x,y1,x,a(:,17))。張老師這種誨人不倦，嚴(yán)謹(jǐn)治學(xué)，認(rèn)真負(fù)責(zé)的態(tài)度讓我終身受用。最后感謝我的父母，在做設(shè)計期間，他們不僅在專業(yè)上給我指導(dǎo)，更在精神上給我鼓勵。在他們幫助下，無論是理論知識還是電腦操作知識，我都得到了良好的學(xué)習(xí)。 figure(3) plot(x,y5,x,a(:,19))。 y5=(U0u0).*y3+u0。%用20日負(fù)荷數(shù)據(jù)預(yù)測21日 y2=sim(net,y)。%訓(xùn)練目標(biāo) =。traingd39。tansig39。 b=(au0)/(U0u0)。 1754 1631 1586 1561 1555 1593 1690 1735 1913 2069 2138 2228 1984 1920 ... 1968 1990 2115 2275 2224 2291 2218 2123 2000 1856]39。 1790 1740 1635 1659 1576 1619 1839 1921 2061 2136 2221 2355 2033 2001 ... 2073 2080 2147 2265 2260 2425 2381 2304 2182 1955。 1840 1694 1620 1588 1593 1602 1746 1785 1906 1984 2091 2227 1955 1906 ... 1956 1964 2055 2170 2169 2333 2296 2228 2131 1928。 1726 1648 1574 1528 1541 1589 1807 1897 2066 2184 2236 2378 2055 2051 ... 2107 2137 2191 2315 2337 2482 2396 2289 2197 2014。 1764 1662 1582 1535 1521 1568 1748 1861 2023 2120 2188 2345 2038 1995 ... 2031 2020 2121 2261 2295 2383 2323 2199 2120 1948。.[2].：天津大學(xué)博士學(xué)位論文，2004,1516[3] Niu Dongxiao，Zhang Wenlen． Adjustment grey model for load forecasting of power systems[J]．The Journal of Grey System，1994，(6)：127—134．[4]. ：河北農(nóng)業(yè)大學(xué)碩士學(xué)位論文，2011,6:56.[5] 韓力群．人工神經(jīng)網(wǎng)絡(luò)理論,設(shè)計及應(yīng)用[M]．北京：化學(xué)工業(yè)出版社，2002．51—56[6]. ：河北科技大學(xué)碩士學(xué)位論文，2008,4[7]. 牛東曉，曹樹華，趙磊，[M].北京：中國電力出版社，,196201.[8]. ：沈陽工業(yè)大學(xué)碩士學(xué)位論文，2003,23.[9]. 牛東曉，曹樹華，趙磊，[M].北京：中國電力出版社，,196201.[10]. ：湖南大學(xué)碩士學(xué)位論文，2007：78[11] 胡啟元. 針對電力系統(tǒng)短期負(fù)荷預(yù)測的研究：.成都：四川大學(xué)碩士學(xué)位論文，2004,1011[12] 趙林明，胡浩云，:黃河水利出版社，1999 .440.[13] Chow T W S,Leung C network based shortterm load forecasting using weather pensation [J].IEEET Ranson power.[14] 侯媛彬，杜京義，[M].西安：西安電子科技大學(xué)出版社，2007,1718.[15] 肖國權(quán)，王春，張福偉。雖然神經(jīng)網(wǎng)絡(luò)BP算法有著幾個缺陷，比如收斂速度慢、初始權(quán)值選取的隨機性、容易陷入局部極小等，但是在短期負(fù)荷預(yù)測的領(lǐng)域里，它的誤差范圍是在誤差允許范圍之內(nèi)的，而且BP算法在非線性逼近方面有其他方法無可比擬的優(yōu)勢，再一次證明其可行性。由于參數(shù)不完整性的問題雖然獲得了一定精度，但由于樣本選取比較嚴(yán)格，所以樣本的需求量比普通的人工神經(jīng)網(wǎng)絡(luò)模型要大[15]。 在經(jīng)過3638次訓(xùn)練之后，達(dá)到了訓(xùn)練目標(biāo)，結(jié)果如圖51所示 圖41 訓(xùn)練結(jié)果 輸出結(jié)果再經(jīng)過反歸一化之后，得到了21日、22日和23日的預(yù)測負(fù)荷數(shù)據(jù)，和實際負(fù)荷值相比較得出了誤差，如表4444所示 表42 某地區(qū)21日負(fù)荷誤差表 單位（kw） 時間實際值預(yù)測值誤差（%） 0:001847 1:001716 2:001618 3:001623 4:001606 5:001633 6:001805 7:001880 8:002037 9:002146 10:002242 11:002373 12:002058 13:002034 14:002129 15:002118 16:002210 17:002295 18:002318 19:002455 20:002398 21:002304 22:002231 23:002050 表43 某地區(qū)22日負(fù)荷誤差表 單位（kw）時間實際值預(yù)測值誤差（%） 0:001871 1:001752 2:001702 3:001644 4:001605 5:001670 6:001826
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1