畢業(yè)論文答辯 基于采用神經(jīng)網(wǎng)絡(luò)求解組合預(yù)測(cè)模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)研究

基于采用神經(jīng)網(wǎng)絡(luò)求解組合預(yù)測(cè)模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)研究答辯人：指導(dǎo)老師：專業(yè)：自動(dòng)化2012/06/08

主要內(nèi)容一、電力負(fù)荷預(yù)測(cè)二、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)三、基于神經(jīng)網(wǎng)絡(luò)求解組合預(yù)測(cè)模型四、總結(jié)與展望五、致謝

一、電力負(fù)荷預(yù)測(cè)（1）負(fù)荷預(yù)測(cè)的概念負(fù)荷預(yù)測(cè)是指在充分考慮一些重要的系統(tǒng)運(yùn)行特性、增容決策、自然條件和社會(huì)影響的條件下，研究或利用一套能系統(tǒng)地處理過去與未來負(fù)荷的數(shù)學(xué)方法，在滿足一定精度要求的前提下，確定某特定時(shí)刻的負(fù)荷數(shù)值。（2）負(fù)荷預(yù)測(cè)的目的和意義對(duì)未來本電網(wǎng)內(nèi)負(fù)荷變化的趨勢(shì)與特點(diǎn)的預(yù)測(cè)，是一個(gè)電網(wǎng)調(diào)度部門和規(guī)劃部門所必須具有的基本信息之一。電力負(fù)荷預(yù)測(cè)是實(shí)時(shí)控制、運(yùn)行計(jì)劃和發(fā)展規(guī)劃的前提。

二、人工神經(jīng)網(wǎng)絡(luò)（1）人工神經(jīng)網(wǎng)絡(luò)概念生物神經(jīng)元的示意圖人工神經(jīng)網(wǎng)絡(luò)（articlesneuralnetwork，ANN）結(jié)構(gòu)和工作機(jī)理基本上以人腦的組織結(jié)構(gòu)（大腦神經(jīng)元網(wǎng)絡(luò)）和活動(dòng)規(guī)律為背景的，它反映了人腦的某些基本特征，但并不是要對(duì)人腦部分的真實(shí)再現(xiàn)，可以說它是某種抽象、簡(jiǎn)化或模仿。人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元相互連接而成的復(fù)雜網(wǎng)絡(luò)。根據(jù)神經(jīng)元的特性和功能，可以把神經(jīng)元抽象為一個(gè)簡(jiǎn)單的數(shù)學(xué)模型（2）BP人工神經(jīng)網(wǎng)絡(luò)Rumelhart，McClelland于1985年提出了BP網(wǎng)絡(luò)的誤差反向后傳BP(BackPropagation)學(xué)習(xí)算法BP算法基本原理利用輸出后的誤差來估計(jì)輸出層的直接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計(jì)。J.McClellandDavidRumelhart

三層BP網(wǎng)絡(luò)1989年Hecht-Nielsen等人先后證明了一個(gè)三層的BP網(wǎng)絡(luò)可以實(shí)現(xiàn)任意n維空間到m維空間的映射，因此在實(shí)際應(yīng)用中如上圖的三層BP網(wǎng)絡(luò)最普遍。所謂三層包括了輸入層、隱層和輸出層。

（3）BP網(wǎng)絡(luò)的學(xué)習(xí)算法學(xué)習(xí)的類型：有導(dǎo)師學(xué)習(xí)核心思想：將輸出誤差以某種形式通過隱層向輸入層逐層反傳學(xué)習(xí)的過程：信號(hào)的正向傳播誤差的反向傳播將誤差分?jǐn)偨o各層的所有單元－－－各層單元的誤差信號(hào)修正各單元權(quán)值正向傳播：輸入樣本－－－輸入層－－－各隱層－－－輸出層判斷是否轉(zhuǎn)入反向傳播階段：若輸出層的實(shí)際輸出與期望的輸出（教師信號(hào)）不符誤差反傳