《基于模糊神经网络的电力预测（改）》由会员分享，可在线阅读，更多相关《基于模糊神经网络的电力预测（改）（17页珍藏版）》请在金锄头文库上搜索。
1、远程教育学院本科生毕业论文（设计）题目 基于模糊神经网络的电力预测 姓名与学号 朱强 714128202050 年级与专业 14秋华家池专本2班 电 气 学习中心 浙大校内直属学习中心（华家池） 指导教师 许 诺 浙江大学远程教育学院本科生毕业论文（设计）诚信承诺书1.本人郑重地承诺所呈交的毕业论文（设计），是在指导教师的指导下严格按照学校和学院有关规定完成的。2.本人在毕业论文（设计）中引用他人的观点和参考资料均加以注释和说明。3.本人承诺在毕业论文（设计）选题和研究内容过程中没有抄袭他人研究成果和伪造相关数据等行为。4.在毕业论文（设计）中对侵犯任何方面知识产权的行为，由本人承担相应的法律
2、责任。 毕业论文（设计）作者： 朱强2016年 10 月 29 日论文版权使用授权书本论文作者完全了解 浙江大学远程教育学院 有权保留并向国家有关部门或机构送交本论文的复印件和电子文档，允许论文被查阅和借阅。本人授权 浙江大学远程教育学院 可以将论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编论文。毕业论文（设计）作者签名：朱强2016年 10 月 29 日浙江大学远程教育学院本科毕业论文（设计） 摘要摘要自国家电力统计局、国家“十二五”计划提出以来，已经有较长的时间。在这段时间里，我国大力倡导绿色、节能型能源的使用和开发。基于此，短期电力负荷预测
3、是保障我国用电安全的大前提，但是目前传统的电力预测方式已经无法满足电力部门对电力负荷进行预测，因此，对于如何应用智能化的预测技术、改善现有的电力负荷预测手段、技术，进一步提高电力负荷预测的准确性、科学性、系统性，对于我国的电力负荷预测部门和研究单位来说是具有十分重要意义的。本文在分析了电力系统负荷预测的意义和方法之后，分析了影响因素，影响短期负荷预测准确度的因素较多，如该区域的历史负荷的变化趋势，此外还有受到一些非负荷因素的影响，比如气温、气象状况和运行方式等。本文在研究模糊推理和神经网络的基础上，实现短期负荷预测，并能提高负荷预测精度。关键词：模糊神经网络；电力预测；电力负荷1浙江大学远程教
4、育学院本科毕业论文（设计） 目录目录摘要I第一章 绪论1第二章 电力负荷理论22.1电力负荷预测基本模型和方法22.2模糊逻辑理论概述22.3人工神经网络概述32.4模糊神经网络概述3第三章 混合模糊神经网络相关数据处理方法53.1样本负荷数据的预处理53.1.1样本负荷数据的收集和处理53.1.2样本负荷数据的归一化处理53.2影响因素的模糊化处理63.3模糊神经网络模型的设计63.3.1网络层数的设计63.3.2网络节点数的设计6第四章 负荷预测结果及分析84.1预测模型计算一般步骤84.2一些注意事项9总结11参考文献12致谢13浙江大学远程教育学院本科毕业论文（设计） 第一章 绪论第一
5、章 绪论在传统的电力负荷预测模型中，由于数据统计的不精确、有效数据无法得以提取，导致了传统的数学和物理模型无法准确的、科学的反映电力系统负荷波动特性的问题，而后，经过我国科学家的大力验证和研究，借鉴了国外有关电力负荷预测的相关技术和理论研究，对我国的电力系统负荷预测技术进行了改善和优化，并且逐步引入人工智能方法（如专家系统方法，人工神经网络预测方法，模糊控制方法）有效地解决了电力系统中的不确定性，并且在电力系统的编制、系统的框架设计、以及系统编程过程中充分考虑了系统中各种不确定的时变因素（如气象因素，季节因素，时变不确定因素）。模糊神经网络技术是一种先进的电力系统运行调度管理技术和措施，其良好
6、的规避了人工神经网络收敛慢和易发生震荡的缺点，结合了模糊逻辑控制和人工神经网络两方面优点。3浙江大学远程教育学院本科毕业论文（设计） 第二章 电力负荷理论第二章 电力负荷理论2.1电力负荷预测基本模型和方法电力系统负荷预测技术的发展一般可以分为两个阶段：第一为传统方法的阶段，该阶段从1970年代到1980年代，这一阶段主要是传统的统计数学方法应用于负荷预测技术，作为弹性系数法，单位能量法，时间序列法，指数平滑法，回归分析法，灰色系法。第二为智能化阶段，随着现代信息技术的快速发展，专家系统方法，神经网络方法（人工神经网络），模糊预测方法（Fuzzy Logic Theory）和组合模型预测方法作
7、为智能方法的代表是广泛使用在负荷预测中GerbecD,GaspericS,SmonI,etal.AnapproachtocustomersdailyloadprofiledeterminationJ.IEEEPowerEngineeringSocietySummerMeeting,Chicago,IL,USA,Piscataway:NJ,2009,1:587593.。2.2模糊逻辑理论概述美国专家L.A.Zadeh教授在上世纪60年代仔细研究数据精炼，并于1965年出版了一本着名的有关模糊逻辑的书籍“模糊集理论”，首先将模糊逻辑理论从一个概念，通过数据的分析和实际的研究，进而创造了模糊理论。模
8、糊逻辑理论的核心思想是隶属函数理论，即模糊逻辑理论中的绝对隶属关系。属于某一集合的程度不再限于0或1（绝对或不是）。但是可以取从0到1的任何值，并且用隶属函数来进行表达 PapadakisS E,TheocharisJ B,BakirtzisA G.A loadcurvebasedfuzzymodelingtechniqueforshort-termloadforecastingJ.FuzzySetsandSystems,2013,130(04):279303. 。从那时起，一个新的学科 - “模糊集理论”诞生了。围绕模糊集理论，开发了一系列相关的数学理论，统称为模糊数学。模糊数学是用来描述、
9、研究和处理事物所具有的模糊特征的数学，“模糊”是指他的研究对象，而“数学”是指他的研究方法。“模糊”是“精确”相对的概念。模糊性在日常生活和口头沟通中很常见。它是一种不确定性的表达，例如人类高度的“高”和“低”，身体的“胖”和“瘦”，这可以被理解为主观不确定性的概念延伸。模糊理论是研究这些不确定的东西，用其精确的数学语言来表达它。虽然模糊理论自诞生以来已有十多年的历史，但它显示出强大的生命力。国内外专家学者在应用研究方面取得了很大的成绩。进入新世纪后，许多学者将模糊集理论与传统的自动控制理论相结合，解决工业生产中的复杂问题，取得了丰硕的成果。2.3人工神经网络概述“人工神经网络”(ARTIFI
10、CIAL NEURAL NETWORK，简称A.N.N.)是在对人脑组织结构和运行机智的认识理解基础之上模拟其结构和智能行为的一种工程系统。早期的研究中，F.Rosenblatt、Widrow和Hopf、J.J.Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。 KrishnapuramR,KellerJ M.APossibilisticApproachto ClusteringJ.IEEETransactiononFuzzSystems, 2003,(02):98110. 人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B
11、”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。因此，运用人工神经网络技术来预测电力系统负荷的己经成为该领域一个研究的热点。2.4模糊神经网络概述模糊逻辑和神经网络的组合创造了一个新的技术领域：模糊神经网络。模糊神经网络是一个不断研究和研究的新领域。目前，模糊神经网络具有以下三种形式：逻辑模糊神经网络：逻辑模糊神经网络由逻辑模糊神经元组成。逻辑模糊神经元是具有模糊权重系数的神经元，并且对输入模糊信号执行逻辑运算。由模糊神经元执行的模
12、糊操作具有逻辑运算，算术运算等操作。在任何情况下，模糊神经元是基于传统的神经元。它们可以从传统神经元中推导出来。算术模糊神经网络：算术模糊神经网络是一个神经网络，它可以对输入的模糊信号进行模糊算术并包含模糊权重系数。通常，算术模糊神经网络也称为正常模糊神经网络，或标准的模糊神经网络。传统的模糊神经网络通常被称为RFNN（常规模糊神经网络）或称为FNN（模糊神经网络）。在正常情况下，常规的模糊神经网络被称为FNN。传统的模糊神经网络有三种基本类型，FNN 1，FNN2，FNN3表示。这三种类型的意义如下：FNN 1是具有模糊权重系数的网络，并且输入信号是实数。FNN2是具有实权重系数的网络，输入
13、信号是模糊数。浙江大学远程教育学院本科毕业论文（设计） 第三章 混合模糊神经网络相关数据处理方法第三章 混合模糊神经网络相关数据处理方法3.1样本负荷数据的预处理3.1.1样本负荷数据的收集和处理短期负荷预测所需的大多数历史负荷数据由电力系统的遥控通信设备收集。除了受仪器本身精度和数据传输通道性能的影响外，还有开关操作等因素，使得某一时刻的历史负荷数据可能是数据失真或异常波动等。对负荷预测的负荷与精度的影响。数据预处理是使用这些历史数据来预测负荷，应首先处理数据的失真并填充故障数据，消除不良数据的影响，减少输入容错量，从而避免数据不准确导致由问题的复杂性的几何增长。如果存在大量“异常”数据（误
14、差大于5），则可以认为当天的加载数据失真，属于不良数据。王毅. 电力系统短期负荷预测技术的研究与实现D. 北京：华北电力大学， 2012由于不同类型的工作日（工作日或休息日）的负荷变化往往有很大差异，因此对于缺少数据的修补、程序使用、相同类型的数据参考很重要。通过开关操作，事故跳闸等因素，电源负荷往往会在一定时间内发生“突变”，我们称之为异常负荷点。如果正常负荷序列中有多个的异常点，整个负荷序列的错误性将突然增加，这将降低负荷序列的相似性，增加负荷预测的难度。因此，需要对这些异常负荷点进行平滑处理。常用的平滑方法是垂直平滑和水平平滑。垂直平滑的原理是电力的负荷曲线将显示一定的周期性，即同一时间的负荷在不同的日子应该没有太大的不同，并有一定的相似性。如果差异很大，那就是数据不好，可以使用垂直校正方法。如果某时刻的实际偏差率大于偏差率，则判断此时的负荷点是异常点，并且需要进一步处理。在这种情况下，用下式的x(d,t)取代异常点数据x(d,t)冯丽，邱家驹.基于电力负
