基于PSO-LSTM算法的短期电力负荷预测应用研究

发布时间：2023-09-13 22:55

　　电力负荷是电力系统运行、规划的重要组成部分,对其进行准确的分析预测具有重要意义。本文针对目前短期电力负荷预测精度、自动化程度较低等问题,设计实现了基于长短期记忆算法的短期电力负荷预测模型,使用粒子群算法对模型参数进行优化,并设计实现了集数据管理、模型训练、结果展示于一体的智能化电力负荷预测平台,使整个预测过程变的更加精确、智能。本文的主要工作和研究成果如下:(1)探究电力负荷数据的内在变化规律及可能的外在影响因素,分析电力负荷预测的理论依据。(2)统计西班牙2018年整年的真实电力负荷数据及影响因素数据,对电力负荷数据与影响因素数据进行相关性分析,得出相关系数较大的影响因素,与电力负荷数据一同作为模型输入,提高模型准确率。(3)分别基于循环神经网络和长短期记忆神经网络构建电力负荷预测模型,并设计统一的评价标准,使用西班牙2018全年的电力负荷数据与影响因素数据对模型进行训练,用训练后的模型分别预测未来一周的电力负荷数据。预测结果证明长短期记忆神经网络对长周期数据有长期记忆的学习优势,预测结果更为准确。(4)引入参数最优化方法,采用粒子群(PSO)优化算法对基于长短期记忆算法的电力负荷预...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 选题背景及意义
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 本文结构安排
    1.4 本章小结
第2章 关键技术与算法
    2.1 深度学习
        2.1.1 深度学习概念
        2.1.2 神经网络工作原理
    2.2 长短期记忆循环神经网络
        2.2.1 循环神经网络
        2.2.2 长短期记忆神经网络
    2.3 粒子群优化算法
        2.3.1 群智能算法
        2.3.2 粒子群算法
    2.4 本章小结
第3章 长短期记忆网络电力负荷预测模型
    3.1 电力负荷数据
        3.1.1 电力负荷数据的数据特性
        3.1.2 电力负荷预测的基本原则
    3.2 影响因素分析
        3.2.1 天气因素
        3.2.2 日期因素
        3.2.3 电价因素
    3.3 数据预处理
        3.3.1 数据补全
        3.3.2 数据归一化
    3.4 长短期记忆神经网络模型实现与训练
    3.5 结果分析
    3.6 本章小结
第4章 基于粒子群优化的长短期记忆神经网络电力负荷预测模型
    4.1 参数最优化
    4.2 粒子群优化长短期记忆模型
        4.2.1 模型设计
        4.2.2 模型实现
        4.2.3 结果分析
    4.3 本章小结
第5章 智能化短期电力负荷预测平台
    5.1 电力负荷预测平台系统设计
        5.1.1 总体架构
        5.1.2 客户端
        5.1.3 数据库服务器
    5.2 电力负荷预测平台功能实现
        5.2.1 数据管理
        5.2.2 模型训练
        5.2.3 结果展示
    5.3 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 下一步工作
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3846071