论文部分内容阅读
本论文首先对负荷预测的意义和研究现状进行了概述,再从电力负荷与负荷预测特性研究入手,充分分析了负荷组成与分类以及负荷的周期性变化规律,讨论了影响负荷的各种因素。通过对徐州市历史负荷数据的分析,有针对性地从预测的精度入手,应用改进的BP神经网络,建立了充分考虑各种因素的短期负荷预测模型,在输入变量中考虑了临近日负荷特点、日类型,以及各种气象因素,对输入负荷值进行归一化处理,对温度、降雨和光照等因素提出了独特的量化处理。网络的训练应用Levenberg-Marquardt算法,很大程度上提高了神经网络的收敛速度和预测精度。 在上面研究的基础上,应用MATLAB 6.5软件,利用其神经网络工具箱编程实现了短期负荷预测。最后通过实际预测验证,本论文所建立的神经网络预测模型充分考虑了各种负荷影响因素,预测精度良好,具有较好的非线性映射能力,有进一步开发应用于实际预测的良好前景。