全文总字数:5786字
1. 研究目的与意义(文献综述)
1.1 本次设计的目的
随着社会经济的不断发展和生产力的进一步提高,电力企业呈现迅猛的发展趋势,电网运行的安全性和稳定性已经成为关注的热点问题[1]。提高电力系统短期负荷的预测能力,能够确保电力系统的安全与稳定,有利于经济的可持续发展。因此,完善短期负荷的预测方法,对提升短期负荷的预测精度具有十分重要的现实意义。
本次设计提出了将模糊集理论运用于短期负荷预测的过程中,利用matlab构建新的短期负荷预测模型,以实际地区的某三天的24小时的实际负荷值、日类型、天气和温度为输入量,在径向基函数神经网络的基础上,通过运用模糊控制理论,对输入量进行模糊化以及对输出量进行修正,在此基础上得到预测日的负荷值,通过将该值与未使用模糊理论的神经网络模型预测的负荷值进行误差对比分析,从而达到验证新模型预测精度高于未使用模糊理论模型预测负荷精度的目的。
2. 研究的基本内容与方案
|
2.1 研究目标
-
理解电力系统负荷预测的必要性以及提高短期负荷预测精度的意义;
-
掌握对先期数据的预处理方法;
-
学习RBF神经网络的相关概念及其学习算法;
-
学习模糊控制的理论及其应用分析的基本方法;
-
能够将模糊理论运用于短期负荷预测中,使得预测精度得以提高;
-
利用Matlab实现仿真,对模糊理论在短期负荷预测中的可行性与重要性进行验证。
2.2 研究的基本内容
本次研究的基本内容有:
-
以某地区连续一周的每天24小时的实际负荷值、天气、温度和日类型为原始数据,通过对数据进行预处理得到所需的输入量;
-
通过MATLAB软件,建立径向基函数神经网络模型,并利用模糊理论对其输出值进行修正,最终得到误差允许范围内的预测日的24小时负荷值;
-
利用仿真结果,将得到的预测值和未使用模糊理论的预测模型得出的预测值进行分析比较,从而验证模糊理论在短期电力负荷预测过程中的实用性。
2.3 采用的技术方案及措施
1 对样本数据的处理
对样本数据的处理包括了预处理和对影响负荷预测的因素的量化。预处理分为对缺失数据的处理、对异常数据的处理和数据的归一化处理[13]。本文对日期的量化和对天气-温度的量化如表1、2所示。
表1 四种日类型的量化
日期 | 周一 | 周二至周五 | 周六 | 周日 |
量化系数 | 0.8 | 0.9 | 0.5 | 0.4 |
表2 天气—温度的量化
温度状态 | 天气情况 | 量化系数 |
低温 | 晴天 | 0.05 |
多云 | 0.25 | |
阴天 | 0.45 | |
雨 | 0.95 | |
中温 | 晴天 | 0.00 |
多云 | 0.20 | |
阴天 | 0.40 | |
雨 | 0.90 | |
高温 | 晴天 | 0.10 |
多云 | 0.30 | |
阴天 | 0.50 | |
雨 | 1.00 |
隐含层神经元采用的非线性函数是高斯函数,即隐含层节点 k 的传递函数表达式是:
表3神经网络的输入输出定义表
输入数 | 描述 |
1 | 预测前一天t时刻的负荷 |
2 | 预测前两天t时刻的负荷 |
3 | 预测前三天t时刻的负荷 |
4 | 预测前一天的天气- 温度量化系数 |
5 | 预测前两天的天气- 温度量化系数 |
6 | 预测前三天的天气- 温度量化系数 |
7 | 预测日的天气- 温度量化系数 |
8 | 预测前一天日类型 |
9 | 预测前两天日类型 |
10 | 预测日类型 |
输出数 | 预测日的负荷数据 |
3 MATLAB神经网络工具箱函数
MATLAB神经网络工具箱为径向基函数提供了很多工具箱函数,本文使用newrb函数完成设计RBF神经网络[17]。调用格式如下:
net=newrb
[net,tr]=newrb(P,T,GOAL,SPREAD,MN,DF)
其中,P: Q组输入向量组成的PQ维矩阵;
T: Q组目标分类向量组成的SQ维矩阵;
GOAL: 均方误差,默认为0;
SPREAD: 径向基函数的扩展速度,默认为1;
MN: 神经元的最大数目,默认为Q;
DF: 两次显示之间所添加的神经元数目,默认为25;
net: 返回值,一个径向基网络;
tr: 返回值,训练记录。
4 模糊控制系统
经由RBF神经网络得出的负荷预测值往往精度达不到要求,因此本文采用模糊控制系统对预测值进行修正。
如图3所示,模糊控制过程大致分3个阶段:模糊化、模糊规则、去模糊化[18]。模糊化过程是根据各隶属函数将对应的输入变量的精确值转化成以隶属度表示的模糊量。模糊规则是模糊推理的基础,它可以通过2种途径获得:一种是基于量测数据的学习算法;另一种是基于专家知识或实际操作经验。本次研究采用的是后一种方法。去模糊化是将模糊推理出的模糊输出量转化成精确量输出,然后经过量化,得到实际的控制信号,常采用惯性中心法或最大隶属度原则[19]来实施去模糊化。
在确定了模糊规则表之后,由于模糊推理仍是一个模糊量,所以采用CRI法[21]计算输出的精确量,即求出总的模糊关系,对于每一具体观测值偏差E和偏差变化率进行推理合成,采用最大隶属度函数的方法解模糊化,求取各自的精确量得到模糊控制查询表。在每一控制周期中,将采样得到的观测值E和分别量化之后,查“模糊控制查询表”,便可得到精确的控制量。
3. 研究计划与安排
1.接受任务,理解设计(论文)要求 1.1-2.222.查阅资料,提交开题报告 2.23-3.203.进一步整理、消化资料,并建立仿真模型 3.21-4.84.完成仿真数据,并进行仿真、理论分析与处理仿真结果 4.9-5.15.完成并提交论文初稿,进一步修改论文 5.1-5.316.提交论文正式稿,并准备答辩 6.1-6.8
4. 参考文献(12篇以上)
[1]林佳亮,李暖群,吴永峰.电力系统短期负荷预测精度的相关分析[j].自动化应用,2017(12):125-127.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。