论文部分内容阅读
负荷预测是电力系统的重要工作之一，对电力系统各个部门的工作都起着非常重要的作用。科学准确的负荷预测可以让电力决策部门经济合理地安排发电机组的启停，调整线路的潮流，使其更加合理，提前制订设备的检修计划，从而确保电网在安全稳定运行的前提下，系统运行的经济效益也能得到很大的提高。因此，精确的电力系统负荷预测对电力系统控制、运行和规划都具有现实意义。 本文在分析电力系统负荷预测的特点和研究现状基础上，分析了BP神经网络的特性。得出采用BP人工神经网络对电力系统负荷预测的模型进行优化，可以更好的刻画出电力系统负荷多输入多输出、复杂非线性以及繁杂的无规律可循的特征。阐述了遗传算法的相关理论，分析得出该算法可以很好地优化BP神经网络可行性。本文首先分析了GA算法与BP神经网络的优劣势，将GA算法与BP网络结合起来，用GA算法来训练BP神经网络的连接权值，以克服BP神经网络容易陷入局部极小点的缺陷，并给出了基于GA与BP相结合的具体算法和实现过程。 文章最后用matlab仿真软件构建了GA-BP算法在电力系统负荷预测模型中进行优化的网络结构，用GA算法优化BP神经网络的权值，以预测电力系统的负荷，并利用该仿真软件对湖北省某市某的电力系统负荷进行了仿真，结果验证了该模型用于电力系统负荷预测的研究具有可行性，能够在一定程度上提高负荷预测的精度和速度。