版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、電力系統(tǒng)短期負荷預測是電力生產部門的重要工作之一,它主要用于預報未來幾小時、一天至幾天的電力負荷。精準的短期負荷預測結果對電力系統(tǒng)運行的安全性、經濟性和供電質量有著重要的保障作用,利用該結果可以經濟合理地安排機組啟停以減少旋轉備用容量,可以合理地安排檢修計劃以降低發(fā)電成本、提高經濟效益。
短期負荷預測的方法有很多,其中BP神經網絡技術是較為先進的預測方法。它能夠通過自組織和自適應功能大規(guī)模處理各種包含非線性信息的復雜系統(tǒng),但是
2、傳統(tǒng)的BP神經網絡具有訓練速度慢和對初始權值敏感以致容易陷入局部極小點的兩個主要缺陷。本文針對此缺陷,在對BP神經網絡展開分析與研究的基礎上,提出了基于主成分分析法的遺傳神經網絡(PCA-GABP神經網絡)模型,利用主成分分析法對負荷數據樣本進行降維處理,達到去除數據間的相關性、刪除其中的部分冗余信息、減少網絡的輸入量的目的,克服神經網絡其收斂速度慢的缺陷。同時,將改進的遺傳算法與BP神經網絡結合,利用遺傳算法的全局搜索性能決定BP神經
3、網絡的權值閾值,有效克服BP算法的局部收斂問題。由于氣象因素對短期負荷預測精度有很大的影響,本文還研究分析了氣象因素中每日的最高溫度和最低溫度對預測精度的影響。
文章最后以MATLAB為平臺進行仿真實驗,實驗分為未考慮氣象因素和考慮氣象因素兩大組進行,每一大組又分為BP神經網絡模型、PCA-BP神經網絡模型、GABP神經網絡模型和PCA-GABP神經網絡模型四個小組進行。仿真結果表明,考慮氣象因素的PCA-GABP神經網絡模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遺傳神經網絡的短期電力負荷預測研究.pdf
- 基于主成分分析法的BP神經網絡基準地價評估研究.pdf
- 電力系統(tǒng)短期負荷預測主成分分析和人工神經網絡的組合方法.pdf
- 基于主成分分析的遺傳神經網絡換能器一致性研究.pdf
- 應用信息熵和遺傳神經網絡的電力短期負荷預測研究.pdf
- 基于負荷成分分析的短期負荷預測研究.pdf
- 基于神經網絡與主成分分析的組合預測研究.pdf
- 基于主成分分析與神經網絡的肝病預測分析.pdf
- 基于神經網絡的短期負荷預測研究
- 基于改進人工神經網絡法的短期負荷預測.pdf
- 基于神經網絡的短期負荷預測研究.pdf
- 基于遺傳神經網絡的股市預測.pdf
- 基于遺傳神經網絡的股票預測研究.pdf
- 基于WNN神經網絡的短期負荷預測.pdf
- 基于模糊神經網絡的短期負荷預測.pdf
- 基于Elman神經網絡的短期負荷預測.pdf
- 基于神經網絡的短期負荷預測方法研究.pdf
- 基于主成分分析與神經網絡的股票價格預測.pdf
- 基于主成分分析和神經網絡的癌癥驅動基因預測模型.pdf
- 基于非線性主成分分析與神經網絡的參數預測模型.pdf
評論
0/150
提交評論