本科毕业设计开题报告范文.docx

本科毕业设计开题报告范文.docx

《本科毕业设计开题报告范文.docx》由会员分享，可在线阅读，更多相关《本科毕业设计开题报告范文.docx（6页珍藏版）》请在冰点文库上搜索。

本科毕业设计开题报告范文

燕山大学

本科毕业设计（论文）开题报告

课题名称

学院（系）：

年级专业：

学生姓名：

指导教师：

完成日期：

一、综述本课题国内外研究动态，说明选题的依据和意义

1．国内外研究动态

运用神经网络技术进行电力负荷预测，是刚刚兴起的一种新的研究方法，其优点是可能模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点。

特别地，其自学习和自适应功能是常规算法和专家系统技术所不具备的。

因此，预测被当作人工神经网络最有潜力的应用领域之一。

人工神经网络（ANN）作为一门新兴的交叉学科，为揭示复杂对象的运行机理提供了一条新的途径，许多学者将其应用于电力负荷预测问题，取得了一些进展。

一般而言，ANN应用于短期负荷预测要比应用于中长期负荷预测更为适宜，因为短期负荷变化可认为是一个平稳随机过程，而长期负荷预测与国家或地区的政治、经济政策等因素密切相关，通常会有些大的波动，而并非一个平稳随机过程川。

在短期负荷预测方面，应用最多是前向多层神经网络，并采用EBP（ErrorBaekpropagation）算法进行网络训练。

因为此结构的神经网络具有很好的函数逼近能力，通过对训练样本的学习，能很好地反映出对象的输入/输出之间的复杂的非线性关系;且不必预先知道输入变量和预测值之间的数学模型，可以方便地计入温度、天气情况、湿度等对电力负荷有重要影响的因素的作用。

2．选题依据

电力系统负荷预测是电力生产部门的重要工作之一,通过准确的负荷预测,可以经济合理地安排机组启停,减少旋转备用容量,合理安排检修计划,降低发电成本,提高经济效益。

负荷预测的结果的准确性将直接影响调度的结果,从而对电力系统的安全稳定运行和经济性带来重要影响。

在当前市场化运营的条件下,由于电力交易更加频繁和经营主体之间的区别,会出现各种不确定性因素,同时负荷对于电价的敏感度也随着市场的完善而逐渐增强,这也给负荷预测带来了新的难度。

由于市场各方对信息的获取和运营的经济性更加重视,准确的预测对于提高电力经营主体的运行效益有直接的作用,因此对负荷预测精度提出更高要求。

目前，我国大多数系统的短期负荷预测都是由调度人员人工进行，通过寻找相似日直观地预测。

这就完全依赖于调度人员的经验，且一般仅限于提前一天预测。

因此，迫切需要有一个自动负荷预测系统，提前一天或一周预测系统负荷，以满足经济调度和机组调停的需要。

重要的是，这一系统应具有规范化的预报过程，减少对运行人员经验的依赖性，适用于不同系统并满足精度要求。

初步研究成果表明，基于神经网络的负荷预测结果可能比其他方法更准确，具有实用前景。

3．研究意义

电力负荷预测常会受到众多因素的影响，既包括系统内部各种因素的影响，还包括一些社会因素与人为因素的影响，因而变化极其复杂。

所以在涉及到这两类问题时，就必然要考虑客观存在的不确定性的影响，而且必须采取适当的方法加以处理。

本文重点研究的神经网络技术，作为一门新兴的交叉学科，为揭示复杂对象的运行机理提供了一条新的途径，因此近年来有很多专家学者对它进行了研究。

但是在实际研究过程中，神经网络的一些缺点也暴露无遗，如训练易陷于局部极小、训练样本大小不知如何选取以及过拟合问题等。

本文通过实际计算和分析，希望能对神经网络技术存在的某些问题就其在电力负荷预测的应用上做出一些研究，以期对该技术的发展起到添砖加瓦的作用，对今后的电力负荷预测工作提供一定的参考价值。

二、研究的基本内容，拟解决的主要问题

1．基本内容

本文研究包括:

其一，综述神经网络技术在电力负荷预测上的研究现状，并对实际应用中神经网络技术存在的若干问题进行定性分析；其二，结合神经网络技术在电力负荷预测上的应用，论述神经网络模型。

具体而言，绪论及第一章属于第一部分，分别讨论对人工神经网络推广能力的研究、对确定网络结构的讨论以及对网络样本量大小的研究。

然后讨论神经网络模型在电力负荷预测上的应用。

接着对神经网络中过拟合问题进行定性分析及定量计算。

最后对所做的理论研究工作和实际应用工作作了总结，并对今后这方面研究提出一些建议。

2．拟解决的主要问题

1）电力系统负荷模型的建立。

2）BP算法输入输出向量的设计。

3）创建BP网络，进行网络训练以便投入实际应用。

三、研究步骤、方法及措施

1．研究步骤

1）确定负荷预测的目的，制定预测计划

在预测计划中要考虑的问题主要有:

准备预测的时期，所需的历史资料（按年、按月、按周或者按日），需要多少资料，资料的来源和搜集资料的方法，预测方法，用时等等。

2）调查资料和选择资料

本文中预测所需的资料主要包括历史数据，以及历史天气数据等。

3）建立预测模型

负荷预测模型是统计资料轨迹后的概括，它反映的是经验资料内部的一般特征。

模型的具体化就是负荷预测的公式。

对ANN方法的预测方案，建立预测模型包括两步:

第一步，确定ANN的结构及其算法;第二步，选择历史数据对其进行训练。

2．研究方法

根据神经网络预测技术进行电力系统负荷预测。

四、研究工作进度

第一阶段（2009年2月～2009年3月）

查阅相关参考资料，了解电力系统负荷模型和神经网络理论。

第二阶段（2009年3月～2009年4月）

建立电力系统负荷预测模型。

第三阶段（2009年4月～2009年5月）

完成电力系统负荷预测的仿真实验。

第四阶段（2009年5月～2009年6月）

准备资料，开始撰写毕业论文。

第五阶段（2009年6月）

完成毕业论文的撰写，绘制图纸，准备答辩。

五、主要参考文献：

[1]徐军华.电力系统短期负荷预测模型与优选的研究.四川大学.2004.

[2]谢宏.电力系统日负荷预测理论与方法的研究.华北电力大学.2002.

[3]陈艳.基于遗传神经网络的短期电力负荷预测研究.大连理工大学.2006.

[4]王常飞.电力系统短期负荷预测方法的研究及实现.郑州大学.2005.

[5]杨靖研.电力系统短期负荷预测的研究.哈尔滨理工大学.2004.

[6]孙英广.神经网络在径流预测模型研究中的应用及软件实现.大连理工大学.2005.

[7]刘清.人工神经网络算法的改进及其在水利测量技术中的应用.河海大学.2005.

[8]罗枚.电力系统短期负荷智能预测方法的研究.天津大学.2005.

[9]姚晓林.基于超短期负荷预测的补偿电容器优化投切.山东大学.2006.

[10]沈艳.神经网络理论研究及在舰船运动预报中的应用.哈尔滨工程大学.2005.

[11]Clark,D.W.elal,GeneralizedPredictiveControl-Part1.TheBasicAlgorithm;Part2.ExtensionsandInterpretations.Automatia,Vol.

23No2,1987

[12]RouhaniR,MehraRK.ModelAlgorithmicControl（MAC）.BasicTheoreticalProperties.Automatica,1982,18（4）:

p401-414

[13]Garcia.C.E.etal,ModelPredictiveControl:

TheoryandPracticeaSurvey,Automatica,Vol.25,No.3,pp.335-348,1989

[14]SimonHaykin.NeutalNetworks:

AComprehensiveFoundation,SecondEdition.

[15]White,H.,1989a.”Learninginartificialneuralnetworks:

Astatisticalperspective,”NeuralComputation,vol.1,pp.425-464

六、指导教师意见

指导教师签字：

年月日

七、系级教学单位审核意见：

审查结果：

□通过□完善后通过□未通过

负责人签字：

年月日