论文部分内容阅读
本论文通过对吉林省和沈阳地区的历史负荷数据分析,结合神经网络的预测算法,建立了相应的短期负荷预测模型,并在此基础上,利用面向对象的编程方法实现短期负荷预测程序。 由于负荷的周期性变化规律且负荷与一些的影响因素密切相关,如最临近负荷值、温度、降雨量等。本论文首先将负荷数据按季节分类,然后对不同类型的日负荷曲线分成工作日、周末日和节假日三种类型的神经网络预测模型。为了提高神经网络的训练速度和精度,对每种不同的神经网络模型,将日负荷模型分段,选择出与预测日负荷相关的输入变量,比较得出最佳的输出变量。 神经网络预测技术中,选择共轭梯度法作为训练算法,在很大程度上提高了神经网络的收敛速度和精度。在进行短期负荷预测时,应用K均值聚类原理将与预测日天气因素近似的样本挑出重新修正权值,并建立人工修正负荷预测值的依据。 利用吉林省和沈阳地区的历史负荷数据比较未含天气因素的神经网络模型和具有天气因素的神经网络模型的预测效果,证明神经网络预测模型便于考虑负荷相关因素,预测精度良好,适用于在线应用。