基于小波變換和神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)研究.pdf

1、負(fù)荷預(yù)測(cè)的準(zhǔn)確程度對(duì)于電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行具有十分重要的作用。論文針對(duì)南京地區(qū)電力系統(tǒng)負(fù)荷數(shù)據(jù)采用小波變換和神經(jīng)網(wǎng)絡(luò)進(jìn)行短期負(fù)荷預(yù)測(cè)，取得了一些成果。 本文首先對(duì)負(fù)荷數(shù)據(jù)的特性進(jìn)行分析，明確了負(fù)荷序列具有特定的規(guī)律性。然后利用自組織映射網(wǎng)絡(luò)(SOM)對(duì)負(fù)荷序列進(jìn)行分類(lèi)，可將一周負(fù)荷分為四種負(fù)荷類(lèi)型。同時(shí)應(yīng)用小波分解的時(shí)頻暫態(tài)分析特性，通過(guò)使用Mallat算法，將負(fù)荷序列進(jìn)行小波分解，再根據(jù)各分量的特點(diǎn)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行預(yù)測(cè)

2、，為增加神經(jīng)網(wǎng)絡(luò)的收斂速度及穩(wěn)定性，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中采用了LM算法。為了獲得較小的網(wǎng)絡(luò)規(guī)模，取得較快的訓(xùn)練速度及較高的預(yù)測(cè)精度，在本文中對(duì)各序列分別采用一組神經(jīng)網(wǎng)絡(luò)，每個(gè)時(shí)間點(diǎn)分別建立一個(gè)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。最后通過(guò)小波重構(gòu)各分量預(yù)測(cè)結(jié)果得到最終預(yù)測(cè)結(jié)果。此外，對(duì)基于小波理論的異常數(shù)據(jù)處理方法進(jìn)行了詳細(xì)地介紹和實(shí)驗(yàn)仿真。 通過(guò)對(duì)南京地區(qū)電力負(fù)荷數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，較之考慮天氣因素和日類(lèi)型的人工神經(jīng)網(wǎng)絡(luò)方法(ANN)預(yù)測(cè)方法，采用本