基于模糊聚類分析與BP網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測.pdf

1、本文以西安地區(qū)的負(fù)荷為例，提出了一種基于模糊聚類分析與BP網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測組合方法。 首先，從負(fù)荷預(yù)測的概念出發(fā)，闡述了電力系統(tǒng)負(fù)荷預(yù)測的作用、特點、意義、預(yù)測技術(shù)的發(fā)展以及國內(nèi)外短期負(fù)荷預(yù)測所用的方法和模型，分析了各種方法的優(yōu)點和不足，提出要建立組合模型來預(yù)測負(fù)荷。 其次，分析了西安地區(qū)負(fù)荷的內(nèi)部規(guī)律和外部特性，指出負(fù)荷除了具有年周期、周周期和日周期性外，還受到多種外部因素的影響從而呈現(xiàn)出不同的特性，其中對天

2、氣因素的影響作了詳細(xì)分析。另外，針對負(fù)荷歷史數(shù)據(jù)中的壞數(shù)據(jù)和不良數(shù)據(jù)會對預(yù)測結(jié)果精度產(chǎn)生影響的問題，提出了用小波變換Mallat算法進(jìn)行數(shù)據(jù)預(yù)處理，實例分析該方法處理數(shù)據(jù)具有良好的效果。 然后，針對BP網(wǎng)絡(luò)學(xué)習(xí)收斂速度慢，易陷入局部極小的問題，從BP網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)和算法入手，提出了一些改進(jìn)措施：包括網(wǎng)絡(luò)的層數(shù)、神經(jīng)元的個數(shù)、各層神經(jīng)元的作用函數(shù)、網(wǎng)絡(luò)的訓(xùn)練算法等?？紤]了日最高溫度、日最低溫度、日平均溫度、天氣狀況、日類型等因素