开题报告-BP网络电力系统.pdf

毕业设计（论文）材料之二（2）安徽工程大学机电学院安徽工程大学机电学院本科毕业设计本科毕业设计(论文论文)开题报告开题报告题目：题目：基于改进基于改进 BP 网络的短期电力负荷网络的短期电力负荷 预测系统设计预测系统设计课课 题题 类类 型：设计型：设计 实验研究实验研究 论文论文学学 生生 姓姓 名：名：郝义军郝义军学学 号：号：3072105334专专 业业 班班 级：级：自动化自动化 2073教教 学学 单单 位：位：电气工程学院电气工程学院指指 导导 教教 师：师：魏安静魏安静开开 题题 时时 间：间：2011 年年 3 月月 1 日日2011 年年 3 月月 1 日日1开题报告内容与要求一、毕业设计（论文）内容及研究意义（价值）一、毕业设计（论文）内容及研究意义（价值）设计内容：1.了解能量管理系统（EMS）的相关知识，确定预测目标、收集与整理资料。2.对电力系统短期负荷预测进行较为系统的研究。3.分析资料，比较并确定短期负荷预测方法。4.用 MATLAB 工具箱建立短期负荷预测模型。5.对短期负荷预测进行仿真研究。6.进行预测分析并完成论文。研究意义：20 世纪 80 年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。电力系统发展到今天，已成为国民经济建设和人民生活中必不可少的重要环节。电力系统的作用是对各类用户尽可能经济地提供可靠持续并且具有良好质量的电能。用电力系统部门术语来说，就是要可靠、安全、经济地供电，满足负荷的要求。电能供应的中断、减少和低劣都将影响国民经济的各个部门。甚至造成严重的后果。负荷的大小与特征，无论是对于电力系统规划或者运行研究而言，都是极为重要的因素。所以，对负荷的变化和特点，有一个事先的估计，是电力系统规划与运行研究的重要内容。电力系统负荷预测理论就是因此而发展起来的，尤其在形成电力交易市场的过程中，负荷预测的研究更具有及其重要的意义。电能的特点之一是不能大量储存，即电能的生产、输送、分配、消费是同时进行的，所以系统内的可用发电容量，在正常运行条件下，应当在任何时候都能满足系统内负荷的要求。若发电容量不够，则应当采取必要的措施，来增加发电机组或从邻网输入必要的功率；反之，若发电量过剩，则也应当采取必要的措施，如有选择地停机（如计划检修）或向邻网输出多余的功率。因此，对未来本电网内负荷变化的趋势与特点的预测，是一个电网调度部门和规划设计部门所必须具有的基本信息之一。电力系统负荷预测可以分为长期的、中期的与短期的。长期与中期之间没有确切的分界线。一般来说，长期预测可达 30年，而中期预测通常为几年、几个月，短期预测则是指几天、几小时甚至更短。短期负荷预测是对系统近期未来负荷曲线提出预告，根据预测的结果以便对发电计划、检修计划以及机组起停计划等做出安全、经济的安排，因而它是经济安全调度的基础。总之，为了实现按天、按小时地安排发电和供电计划，就必须以未来 24 小时甚至更短时期内的负荷要求，进行切实可行的预测工作，这将有助于提高电力系统运行的经济性和安全性。电力负荷预测在实时控制和保证电力系统经济、安全和可靠运行方面起着重要作用，它已成为电力系统中现代能量管理系统的一个主要组成部分，尤其是短期电力负荷预测对系统运行和生产消费具有非常大的意义。而近几年，我国南方一直处于“电荒”被动情况，为了更好地利用电能，必须做好电力负荷的短期预测工作。但是负荷预测的误差将导致运行和生产的费用剧增，因此，精确地预测就成了电力工作者和其他科技人员致力解决的问题。负荷预测对电力系统控制、运行和规划都有重要意义。短期负荷预2测是电力系统安全经济运行的前提，在电力系统发展日趋复杂的今天，传统的负荷预测技术越来越难以满足电力部门负荷预测精度要求，应用智能算法进行电力系统的短期负荷预测，提高负荷预测的精度和稳定性，具有十分重要的意义。二、毕业设计（论文）研究现状和发展趋势（文献综述）二、毕业设计（论文）研究现状和发展趋势（文献综述）负荷预测工作的关键在于收集大量的历史数据，建立科学有效的预测模型，采用有效的算法，以历史数据为基础，进行大量试验性研究，总结经验，不断修正模型和算法，以真正反映负荷变化规律。短期负荷预测主要是针对几个星期、几天乃至几个小时的电力负荷，提供科学、准确的预测，为制定供电计划提供可靠的依据，从而使电力系统在安全。经济、最优的条件下运行，向用户提供安全、可靠和高质量的电力。最近几年，负荷预测的研究不断深入发展，一些负荷预测方法，如灰色系统建模预测法等，已应用于实际；模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。而电力系统负荷变化受多方面影响，一方面，负荷变化存在着未知和不确定因素引起的波动；另一方面，又有周期变化的规律性，这使得负荷曲线具有相似性。同时，又由于受天气、节假日等特殊情况的影响，又使负荷变化出差异，呈现强烈的非线性特征。而神经网络具有较强的非线性映射特性，我们就可考虑用神经网络去设计电力负荷预测。神经网络负荷预测是近几年比较热门的研究方向。随着电力市场的发展，负荷预测的重要性日益显现，并且对负荷预测精度的要求越来越高。传统的预测方法比较成熟，预测结果具有一定的参考价值，但要进一步提高预测精度，就需要对传统方法进行一些改进，同时随着现代科学技术的不断进步，理论研究的逐步深入，以灰色理论、专家系统理论、模糊数学等为代表的新兴交叉学科理论的出现，也为负荷预测的飞速发展提供了坚实的理论依据和数学基础。相信负荷预测的理论会越来越成熟，预测的精度越来越高。三、毕业设计（论文）研究方案及工作计划（含工作重点与难点及拟采用的途三、毕业设计（论文）研究方案及工作计划（含工作重点与难点及拟采用的途径）径）设计重点和难点：建立基于改进型神经网络的短期电力负荷预测系统的仿真模型。MTLAB 仿真程序的编写。拟采用的途径：利用预测时刻以前的历史负荷数据，用几种不同的方法做预预测，可以预测该时刻以前的电力负荷，使用昨天及以前的历史负荷数据，做今天预测时刻后的全日未知负荷的预测。采用人工神经网络算法进行电力系统短期负荷预测系统的建立，由于利用了预测时刻以前的最新的负荷信息，因此，用这种方法大大提高了负荷预测的精度。设计（论文）进度计划：第 1 周：接收毕业设计任务书，了解设计内容。3第 2 周：系统学习 BP 神经网络、电力负荷预测的相关知识第 3 周：查阅相关的资料（包括图书馆查阅和网上检索），熟悉毕业设计题目，并且整理消化所查阅资料，写开题报告和计划进度表。第 45 周：学习 MATLAB 相关知识。第 68 周：学习并建立基于改进型神经网络的短期电力负荷预测系统。第 911 周：用 MTLAB 工具箱建立短期电力负荷预测的仿真模型。第 1213 周：对模型进行仿真调试并进行预测结果分析。第 14 周：根据论文撰写规范，写出论文框架。并以前期所做的成果为依据，撰写论文。第 15 周：撰写论文。第 16 周：根据老师指导，改善不足之处，完善论文。第 17 周：完成论文。第 18 周：查阅资料，找出知识点，准备答辩。四、主要参考文献（不少于四、主要参考文献（不少于 10 篇，期刊类文献不少于篇，期刊类文献不少于 7 7 篇，应有一定数量的外篇，应有一定数量的外文文献，至少附一篇引用的外文文献（文文献，至少附一篇引用的外文文献（3 3 个页面以上）及其译文）个页面以上）及其译文）1 飞思科技产品研发中心,神经网络理论与 MATLAB7 实现M.北京：电子工业出版社，20062 闻新，周露，李翔，张宝伟.MATLAB 神经网络仿真与应用M.北京：科学出版社，20033 程其云,孙才新,张晓星等.以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法J.电工技术学报,2004,19(10):53-58.4 刘斌，赵亮翟，振杰.优化的 GM（1，1）模型及适用范围J.南京：南京航空航天大学学报.2003,35（4）：4514545 沈继红，赵希人.利用最小二乘法改进.GM（2，1）模型J.哈尔滨：哈尔滨工程大学学报，2001,22（4）.64666 阮沈勇.MATLAB 程序M.北京：电子工业出版社，20047 青志文，沈新祥，刘明清等.地区电网短期负荷预测系统的研究与开发J.湖南电力，2001，21(3):1 一 4.8 Shi B,Li Y X,Yu X H,et al.A modified particle swartn optimization and radial basis function neural network hybrid algorithm model and its appiicationC2009 WRI Global Congress on Intelligent Systems(GCIS 2009),2009,1:134-138.9 苏高利，邓芳萍论基于 MATLAB 语言的 BP 神经网络的改进算法J科技通报，2003，19(2)：13013510 陈敏,刘君.BP 网络的改进及其应用J 湖南文理学院学报:自然科学版,2005,17(2):68-70。11 王波,王灿林,梁国强.基于粒子群寻优的 D-S 算法J.传感器与微系统,2007,26(1):84-86.Foreign information：Modified BackPropagation Neural Networks and its Application Research on Prediction Problems4liu le Prediction is the premise of plan-making，pr0Viding a basis for decisionmakingStudy on prediction is a key activity for human survival and developmentAs the most accurate and scientific method to describe uncertain lings，quantitative prediction，based on statistical data，employs statistical methods，mathematical models and algorithms to carry out determination for scales，trends，Speeds，etcof things in future developmentQuantitative prediction with great advantages of objective，refinement and standardization，plays a vital rule in human civilization advance，economic and social development，disease and disaster prevention，exploration unknown world and so forth BackPropagation neural network，which adjust connection weights in accordance with error gradient descent rule，is one of multilayer feedforward neural networksAs an important tool on prediction research，BP neural network is capable of nonlinear mapping,self-organizing，error feedback adjustment，generalization and fault tolerance，and thus its application field is broad and wideHowever inherent defects of basic BP neural network，such as being trapped at local minimum easily，long training time，slow convergence depending on parameters excessively andso on，seriously affect its application effectModified BP networks aiming at the defects mentioned above are usually preferred choices among neural networks to solve realworld prediction problems，as in comparison with basic BP network，modified BP networks have higher training efficiency and sample fitting rate，which Correspond to prediction efficiency and accuracy in prediction problemsOn the basis of proposing two innovative improved Back-Propagation neural networks，this paper is devoted to study hybrid quantitative prediction models and methods with modified BP neural networks as me main tool，and focus on solving rainfall prediction problem and population prediction problem effectivelyThe specific work of this paper is illustrated as follows：1The emergence，principle，algorithm description，advantages and disadvantages of BP neural network were summed up and generalizedIn addition，an overview of many modified methods aiming at basic BP algorithms shortcomings was given，which laid a solid foundation for BP neural networks applications in quantitative prediction researchOn me basis of analyzing and recalling overview of prediction research and quantitative prediction research，regression prediction belonging to causal relationship prediction and moving average prediction exponential smoothing prediction，w11ich are two typical time-series prediction methods，were discussed2Two innovative modified methods of BP network were put forwardModified BP network with guarantee factor (GF-MBP)carried out sub-treatment to derivative function of sigmoid function by introducing guarantee factor，which theoretically ensured sufficient weight adjustmentExperimental results of GF-MBP for three benchmark problems showed that when guarantee factor was approximately equal to O9，GFMBP network outperformed BP network with 5momentum in training convergence and success rateModified BP network based on second order momentum(SOM-MBP)took auxiliary rule of enhancing(weakening)weight change scope with second order momentum into account on the basis of exerting advantages of first order momentum，discussed the quantitative relation between First and Second order Momentum Factor，and borrowed ideas from the successful experience of Vogl algorithm which adjusted weight change range dynamicallyExperimental results of SOM-MBP for three benchmark problems indicated that SOM-MBP network had fast convergence and strong power of searching globally and locally in weights space3Applying Modified BP network to rainfall prediction problem：Above all，dimension of original meteorological data was reduced by using principal Component analysis；then inherent laws contained in meteorological data were learned by training GF-MBP network；and thus PCABP rainfall prediction model was establishedPrediction results showed that PCABP model based on GF-MBP algorithm outl7erfomled similar models based on basic BP algorithm and BP algorithm with momentum in both training efficiency and prediction accuracy Meanwhile，PCA-BP model was also superior to multi-Variable linear and non-linear regression prediction methods in prediction accuracy4Applying Grey Verhulst-BP model(GV-BP)to population prediction：According to population increasing tendency，GV-BP model was innovatively presentedGV-BP model not only maintained Grey Verhulst models type characteristics，but also originally integrated Grey Verhulst model with SOM-MBP network and made full use of certain informationIt brought BP networks powerful abilities of self-organizing，error feedback adjustment and SOMMBP networks comparative advantages of fast convergence，global search in weights space into full play,and carried out minute adjustment to developmental coefficient and grey usage with the purpose to improve prediction precision and adaptively.Applied to predict Chinas population，GVBP model had higher prediction precision and stronger adaptability mall IIMoving Average prediction and exponent Smoothing Prediction in both fitting known data and short，medium and long-term predictionIn Comparison with Other Grey Models，GV-BP also had obvious comparativeadvantages in prediction effectivenessGV-BP model had important theoretical and practical Value for Stype time-series prediction study译文：译文：改进改进 BPBP 网络及其在预测问题中的应用研究网络及其在预测问题中的应用研究刘乐 预测是制定计划的前提，为决策提供依据。预测研究是人类生存和发展的关键活动。定量预测作为描述未来不确定事物的最准确、科学的方法，根据调查统计数据，运用统计方法、数学模型和算法，对事物未来发展的规模、趋势、速度等情况进行测定，具备客观、细化、规范化的优点，对于人类文明进步、经济社会发展、疾病灾害预防、探索未知世界等都具有举足轻重的作用。Back-Propagation神经网络是按照误差梯度下降原则进行权值调整的多级前6馈神经网络，具有非线性映射、自组织、误差反馈调整、泛化和容错等能力，是预测问题研究的重要工具，应用领域非常广泛。然而，基本BP网络的固有缺陷：易于陷入局部最小：收敛速度慢，训练时间长；收敛性能过分依赖于初始连接权值、学习率和动量因子的选择；隐藏层层数及隐层结点数难以确定等，严重影响了它的应用效果。针对缺陷进行改进后的BP网络通常是神经网络解决实际预测问题的首选，因为改进BP网络较之基本BP网络往往训练时问短，样本拟合率高，体现在预测问题上便是预测效率高、准确率高。在提出两种新型Back-Propagation神经网络改进方案的基础上，致力于以改进Back-Propagation神经网络为主体的混合定量预测模型和方法的研究，以达到有效解决降雨量预报、人口数量预测问题的目的。主要研究工作如下：l、对BP网络的产生、基本原理、算法描述和优缺点进行总结和归纳，并综述了BP网络的诸多改进方法，为BP网络用于预测问题研究奠定基础。在分析、回顾预测研究和定量预测研究概况的基础上，着重讨论了因果关系类预测中的回归预测法和时间序列类预测中的移动平均法、指数平滑法。2、提出了两种BP网络的新型改进方案：加确保因子的改进BP网络(GFMBP)，它对Sigmoid函数的导函数进行分段处理，引入了确保因子，在理论上确保了充分的权值调整幅度，通过对于三个Benchmark问题的仿真实验，发现确保因子取值接近O9时，GFMBP网络的训练收敛性和成功率都优于加动量项BP网络；基于二次动量项的改进BP网络(SOMMBP)，在发挥一次动量项优势的基础上兼顾二次动量项增强(减弱)连接权变化幅度的辅助作用，提出一次动量因子和二次动量因子的量化关系，并借鉴Vo百算法动态调整权值变化幅度的成功经验。对于三个Benchmark问题的实验结果显示，SOM-MBP网络的收敛速度极快，在连接权空间中的全局、局部搜索能力更强。3、改进BP网络用于解决降雨量预报问题，首先利用主成分分析法(PCA)降低所收集的气象数据的维数，然后选取GFMBP网络学习气象数据中蕴含的内在规律，从而建立起PCA-BP降雨量预报模型。预测结果显示，基于GFMBP算法的PCABP模型，比基于基本BP算法、加动量项BP算法的模型训练效率更高，预报准确率更高；比多元线性、非线性回归预测方法的预报准确率更高。4、改进BP网络用于解决人口数量预测问题，根据人口数量增长变化的趋势，创新性地提出了灰色VerhulstBP模型。灰色Verhulst-BP模型既保持了灰色Verhulst 模型S-型特征、充分利用确定性信息的优点，又将灰色Verhulst模型跟SOMMBP网络有机融合，利用BP网络自学习、误差反馈校正能力强以及SOM-MBP网络快速收敛和权值空间中搜索能力强的优势对发展系数和灰作用量进行微调，以提高预测的准确率和适应性。采用GV-BP模型预测我国人口数量，无论在拟合已知数据，还是在短期、中长期预测上，都比两种常用时间序列类预测法二次移动平均法、二次指数平滑法预测精度更高、适应性更强：跟同类其它灰色模型的比较中，GV-BP同样具有明显的比较优势。GV-BP模型对于具有S一型趋势时间序列类预测问题的研究具有重要的理论和实用价值。7指导教师意见 签名：月 日教研室意见 教研室主任（签章）：月 日评审小组意见 参加评审人员（签字）：月 日