基于小波神經(jīng)網(wǎng)絡(luò)的短期電能負(fù)荷預(yù)測方法研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、電能作為日常生活中必不可少的能源,與此同時(shí)大量的用電設(shè)備在生產(chǎn)生活中得到了廣泛的應(yīng)用,大型低壓用戶如何對電能有效利用是現(xiàn)在所面臨的問題。負(fù)荷預(yù)測不僅應(yīng)用在電網(wǎng)高壓側(cè)負(fù)荷分配與規(guī)劃中,而且為低壓用戶電能的規(guī)劃、監(jiān)控以及電能的有效利用提供依據(jù)。
  本文針對天津某大型用電企業(yè)24小時(shí)連續(xù)不斷運(yùn)轉(zhuǎn)的實(shí)驗(yàn)室進(jìn)行短期日負(fù)荷電能預(yù)測。該實(shí)驗(yàn)室負(fù)荷以日為單位呈周期性變換,但是受一定外界干擾以及對于不同的實(shí)驗(yàn)對象所耗電量不同。由此負(fù)荷預(yù)測對象波動

2、性較大,且影響預(yù)測精度的因素多樣,本文提出一種基于神經(jīng)網(wǎng)絡(luò)與小波變換的負(fù)荷預(yù)測建模方法。為驗(yàn)證小波神經(jīng)網(wǎng)絡(luò)模型有效性,采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)(BP)、輔助式結(jié)合小波神經(jīng)網(wǎng)絡(luò)(WNN1)和嵌套式結(jié)合小波神經(jīng)網(wǎng)絡(luò)(WNN2)三種網(wǎng)絡(luò)進(jìn)行日負(fù)荷預(yù)測。對原始數(shù)據(jù)進(jìn)行預(yù)處理以及歸一化處理后,將其作為建模數(shù)據(jù),在此基礎(chǔ)上使用三種算法分別建立預(yù)測模型,通過比較模型的誤差與負(fù)荷預(yù)測精度發(fā)現(xiàn),WNN2網(wǎng)絡(luò)模型預(yù)測精度能符合短期預(yù)測精度要求,其具有更強(qiáng)的學(xué)習(xí)

3、能力,收斂速度更快。
  本文采用VC6.0和Matlab混合編程模式進(jìn)行了預(yù)測軟件的設(shè)計(jì)。Matlab在算法編程上靈活、簡單,具有更好的擴(kuò)展性特點(diǎn),利用Matlab中的COM生成器組件,將Matlab上編寫的算法程序轉(zhuǎn)換為能供VC調(diào)用的函數(shù)。同時(shí)以VC和SQLServer結(jié)合,實(shí)現(xiàn)數(shù)據(jù)、信息在數(shù)據(jù)庫中的存儲。
  本文通過對低壓用戶電能預(yù)測算法研究和預(yù)測軟件的設(shè)計(jì),可以較準(zhǔn)確的實(shí)現(xiàn)日負(fù)荷預(yù)測,為電能的有效利用提供更好的依據(jù)

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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

評論

0/150

提交評論