1、“.....导师都给予了精心的指导，提出了许多宝贵的意见，焦老师的博学精益求精严谨治学的态度以及循循善诱的师长风范使本人终身受益。在此还要特别感谢我的舍友高勇黄精龙仕，在本人求学和实习过程中给于的大量帮助，在他们的热心帮助下，本人得到了全面的系统的理论学习，提高了自身素质，增强了自信，获得了更多的专业领域知识。年的学习中，感谢本人的同学们，在这个集体里，我们交流着知识，感受着友谊和关怀。对曾经帮助过我的朋友和同学在此也要表示衷心的感谢。最后，本人要衷心感谢本人的父母的支持和理解，他们是本人最大的精神动力。毕业设计论文知识产权声明本人完全了解西安工业大学北方信息工程学院有关保护知识产权的规定，即本科学生在校攻读学士学位期间毕业设计论文工作的知识产权属于西安工业大学北方信息工程学院。本人保证毕业离校后，使用毕业设计论文工作成果或用毕业设计论文工作成果发表论文时署名单位仍然为西安工业大学北方信息工程学院。学校有权保留送交的毕业设计论文的原文或复印件......”。

2、“.....可以采用影印缩印或其他复制手段保存毕业设计论文。保密的毕业设计论文在解密后应遵守此规定毕业设计论文作者签名指导教师签名日期毕业设计论文独创性声明秉承学校严谨的学风与优良的科学道德，本人声明所呈交的毕业设计论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，毕业设计论文中不包含其他人已经发表或撰写过的成果，不包含他人已申请学位或其他用途使用过的成果。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了致谢。毕业设计论文与资料若有不实之处，本人承担切相关责任。毕业设计论文作者签名指导教师签名日期输入向量输出向量创建网络,训练网络网络的测试绘制负荷拟合曲线预测结果分析可以看出，我们利用网络进行的短期负荷预测基本上可以达到要求，但是，也有些存在的问题由于训练样本并未加入温度，湿度等调节参数，使得预测的精度不够完美，特别在些负荷起伏较大的时间段，预测的精度起伏也较大......”。

3、“.....这主要是三个原因是获得数据材料的复杂性，二是国内的气象预报还未有按小时计测的在线的气象预报，三是各种预报参数的不完整性。另个存在的问题是由于该模型需要预报前小时和前小时的历史负荷数据，这样，如果相应数据不存在，那么将无法进行在线学习和预报。该模型存在的第三个问题是虽然获得了定的精度，但由于样本的选取较为严格，所以样本的需求量比普通的人工神经网络模型要大。简介神经网络工具箱版是由公司最新推出的高性能可视化数值计算软件的组成部分。它主要针对神经网络系统的分析和设计，提供了大量可供直接调用的工具箱函数，图形用户界面仿真工具。的动态仿真工具中提供了专门用于设计神经网络预测控制器的工具模块。在建立了被控对象的系统模型后，利用该模块，用户可以方便地建立基于神经网络的预测控制系统，还可以在环境中对所设计的系统进行动态可视化仿真和分析。本系统采用开发平台。具有数值计算，数据可视化功能和易于使用的编程开发环境，典型的应用包括工程计算，算法开发，建模和仿真，数据分析和可视化应用程序开发等......”。

4、“.....在这个开发环境中用户可根据需要设计仿真模型，执行仿真过程，并且可以分析仿真结果。本课题主要用到中的神经网络工具箱，图形用户界面以及神经网络设计模块。结论与展望结论电力系统是个非线性的，各种数据错综复杂的系统。随着经济和科技的日益发展，它将会成为个数字化信息化互联交直流并存电能质量大大提高的强大系统。电力科技与其它学科发展交融也会变得越来越重要。负荷预测技术是电力能量管理系统的部分。它的目的是要对未来几日或几月的负荷量进行预测，使电力系统能够更好的为各行各业服务。本文主要是阐述了人工神经网络在短期负荷预测技术中的应用，主要是究基于反向传播算法的网络和径向基函数网络在短期负荷预测技术方面的性能，并对它们在这领域的应用进行了比较。在神经网络应用于预测技术的过程中，由于电力负荷数据受多种因素影响，是个周期性和随机性统的系统，所以采用神经网络对训练样本进行训练，找出潜在的规律性比纯粹的数学办法或基于统计理论的预测更具有生命性，更加有效。本文在对实例进行设计实现的时候......”。

5、“.....在用网络实现该预测模型的时候，对算法固有许多局限性进行了讨论，其中涉及到初始权值的选取，隐层节点数的确定，易陷入局部极小值以及易练的样本数目，另方面还可以增加输入向量的维数。即，或者增加每天的测量点，或者把预测日前几日的负荷数据作为输入向量。目前，训练样本数目的确定没有通用的方法，般认为，样本过少可能使得网络的表达不够充分，从而导致网络的外推的能力不够而样本过多可能会出现样本冗余现象，既增加了网络的训练负担，也有可能会出现信息量过剩使得网络出现过拟合现象。总之，样本的选取过程需要注意代表性均衡性和用电负荷的自身特点，从而选择合理的训练样本。因此，在本系统的训练过程中，我们选取年月日到月日的整点有功负荷值作为网络的训练样本，预测月日的电力负荷。如表所示。表样本数据样本日期网络仿真设计用第四章所描述的的三层神经网络模型，含个隐含层，其中输入层和输出层神经元个数由输入变量及输出变量数决定。文中对未来每小时负荷预测模型中，输出层神经元个数为......”。

6、“.....模型中为个输入数据。隐层个数的确定是非常重要的，会直接影响网络性能。如果隐含层神经元数目过少，网络很难识别样本，难以完成训练，并且网络的容错性也会降低如果数目过多，则会增加网络的迭代次数，延长网络的训练时间，同时也会降低网络的泛化能力，导致预测能力下降。本文采用经验公式，取常数，其中为隐含层节点数，为输入层节点数，为输出层节点数。用试凑法对隐含层神经元数目进行选择，确定隐含层神经元个数为。这样，在模型预测每单点负荷每小时负荷的网络结构为。在程序设计中，神经网络采用批处理学习方式，将天的组各个输入样本数据次性提供给网络进行训练，构建点输出的神经网络，最终得到天的负荷预测值。在本文中，网络中间层的传输函数采用形函数如式。输出层神经元传递函数则采用线性函数。创建网络,网络训练网络训练次数设定为训练目标定为学习速率定为训练代码为为输入向量，为输出向量可见，经过次训练后，网络误差达到要求，结果如图所示......”。

7、“.....这里的测试数据就是表中的年月日的电力负荷来预测日的用电负荷，以检验预测误差能否满足要求。代码如下为日的电力负荷作为测试向量这里利用仿真函数来计算网络的输出，运行结果为输出结果经过反归化处理后得到预测的日的电力负荷值，和实际电力负荷值相比较可得到网络的预测误差，如表所示。表负荷误差表实际值预测值误差负荷曲线拟合图，如图所示。图负荷曲线拟合图本例完整的代码如下的预测结果。由于负荷受多种因素影响，以致在负荷预测技术方面，出现了多种多样的方法，它的不确定性使混沌，模糊等不确定性的理论大量的应用到其中，并取得了定的效果。在本文中，由于网络固有的些局限性，使得模型在训练时可能基本失效，或出现误差非常大的情况，并且程序在运行时候，由于大量的学习样本进行的大量的训练以致时间复杂度变得很大。关于初始权值的选择，则存在着些问题，比如如果选择不当，可能得到些根本错误的结果。而且，涉及到我们应用的实例，由于负荷数据的多变和随机性及受各种不确定因素的影响，所以在建立训练样本的时候......”。

8、“.....这些参数在实际中很难获得，这无疑又增加了建立个好的预测模型的难度。另外，本文的处理方法过于单，在具体的细节实现上，应该在不同枝节结合不同的理论进行实现，还可以把更多更新的技术引入补充到预测技术中来，比如多层次的预测技术，以及基于各种预测方法的组合模型。应该在理论上对预测控制进行更进步的研究。这包括预测算法的改进和各种优化算法在优化性能的提高。参考文献潘维民，沈理基于神经网络的时间序列动态预测器的调整学习算法电子学报刘燕，龙新峰，梁平电力负荷非线性预测方法与研究方向探讨广东电力欧建平，李丽娟人工神经网络在电力短期负荷预测中的应用广东电力，李波神经网络和模糊神经网络北京国防工业出版社牛东晓，曹树华，赵磊等。电力负荷预测技术及其应用。北京中国电力出版社，董长虹。神经网络与应用。北京国防工业出版社，飞思科技产品研发中心。神经网络理论与实现。北京电子工业出版社，莫维仁，孙宏斌......”。

9、“.....包能胜，陈庆新，姜桐风力机系统的神经网络模型辨胡国龙，孙优贤预测控制进展及其应用研究电力系统用其自动化学报马文晓，白晓民，沐连顺基于人工神经网络和模糊推理的短期负荷预测方法电网技术黄琳，郁东升，郭佳田年华东电网用电分析及年初步预测电网技术李玉惠，李绍祥，韩曾晋种神经网络电力短期负荷预测器云南电力技术邰能灵，候志俭等基于小波分析的电力系统短期负荷预测方法自动化学报，肖国全，王春，张福伟电力负荷预测中国电力出版社致谢衷心感谢尊敬的导师焦灵侠老师，年以来，导师为本人创造了良好的学习工作和生活环境，本文的撰写是在导师的关怀和悉心指导下完成的。从论文点，并且积极主动去迎接这即将到来大变局，谁就能在新轮经济腾飞中立于不败之地，成为时代骄子。对于企业，对于城市，这都是战略性机会。郴州中南国际物流港不仅是个单纯解决郴州本地物流和商贸升级换代项目，更是在积极移高潮。第次是世纪年代，随着科学技术发展和发达国家劳动力成本不断增加，发达国家在实现产业结构升级同时......”。