（定稿）物流配送城乡专线社会化服务平台建设项目立项申报材料1（喜欢就下吧）

对于神经网络，这是个仍有待于进步研究的问题。

电力系统短期负荷预测建模及实现负荷预测对电力系统控制运行和计划都有着重要的意义。

电力系统负荷变化受多方面的影响，方面，负荷变化存在着由未知不确定的因素引起的随机的波动另方面，又具有周期变化的规律性，这也使得负荷曲线具有相似性。

同时，由于受天气节假日等特殊情况的影响，又使负荷变化出现差异。

由于神经网络所具有的较强的非线性映射等特性，它常被用于负荷预测。

本文采用软件编程仿真，具体过程如下所示问题描述电力系统负荷短期预报问题的解决办法和方式可以分为统计技术专家系统法和神经网络法等。

众所周知，负荷曲线是很多因素相关的个非线性函数。

对于抽样和逼近这种非线性函数，神经网络是种合适的方法。

神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。

它不依靠专家经验，只利用观察到的数据，可以从训练过程中通过学习来抽样和逼近隐含的输入输出非线性的关系。

近年来的研究表明，相对于前两种方法，利用神经网络技术进行电力系统短期负荷预报可获得更高的精度。

在对短期负荷进行预报前，个特别重要的问题是如何划分负荷类型或日期类型。

纵观已经发表的文献资料，大体有以下几种划分模式将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型将周分为星期星期二到星期四星期五星期六星期天等种类型。

将周的天每天都看做种类型，共有种类型。

本文采用第种负荷划分模式，将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型。

输入输出向量设计在预测日的前天中，每个小时对电力负荷进行次测量，这样来，天共测得组负荷数据。

由于负荷值曲线相邻的点之间不会发生突变，因此后时刻的值必然和前时刻的值有关，除非出现重大事故等特殊情况。

所以这里将前天的实时负荷数据作为网络的样本数据。

此外，由于电力负荷还与环境因素有关，如最高和最低温度等。

因此，还需要通过天气预报等手段获得预测日的最高和最低温度。

这里将电力负荷预测日当日的气象特征数据作为网络的输入变量。

因此，输入变量就是个维的向量。

显而易见，目标向量就是预测日当天的个负荷值，即天中每个整点的电力负荷。

这样来，输出变量就成为个维的向量。

获得输入和输出变量后，要对其进行归化处理，将数据处理为区间，之间的数据。

归化方法有许多种形式，这里采用如下公式在样本中，输入向量为预测日前天的电力实际负荷数据，目标向量是预测日当天的电力负荷。

由于这都是实际的测量值，因此，这些数据可以对网络进行有效的训练。

如果从提高网络精度的角度出发，方面可以增加网络训练样本的数目，另方面还可以增加输入向量的维数。

即，或者增加每日的测量点，或者把预测日前几天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，从而导致网络外推能力不够而样本过多可能会出现样本冗长现象，既增加了网络的训练负担，也可能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。

网络的设计本文依据人工神经网络来建模，根据网络来预测点负荷。

如图预测点负荷的网络。

图预测点负荷的网络网络是系统预测中应用特别广泛的种网络形式，因此，本文采用网络对负荷值进行预报。

根据网络来设计网络，般的预测问题都可以通过单隐层的网络实现。

本文由于输入向量有个元素，所以网络输入层的神经元有个，经过多次训练网络中间层的神经元可以取个。

而输出向量有个，所以输出层中的神经元应该有个。

网络中间层的神经元传输函数采用型正切函数，输出层神经元传递函数采用型对数函数。

这是因为函数的输出位于区间，中，正好满足网络输出的要求。

利用以下代码创建个满足上述要求的网络其中，变量用于规定输入向量的最大值最小值，规定了网络输入输出层隐层输入层向量的最大值为，最小值为。

表示设定网络的训练函数为，它采用算法进行网络学习。

网络训练计算出预测日点的归化系数网络经过训练后才可以用于电力负荷预测的实际应用。

考虑到网络的结构比较复杂，神经元个数比较多，需要适当增大训练次数和学习速率。

训练参数的设定如表所示。

表训练参数训练次数训练目标学习速率训练代码如下为输入向量，为目标向量休息日训练结果为，，，工作日训练结果为，，，可见，经过次训练后，网络误差达到要求，结果如图休息日训练结果所示，图工作日训练结果所示。

图休息日训练结果图工作日训练结果训练好的网络还需要进行测试才可以判定是否可以投入实际应用。

休息日测试代码如下工作日测试代码如下没有赵老师的悉心指导，本论文也不可能完成得如此顺利。

在为期几个月的设计中，同学们的团结互助，无私帮助让我十分的感动，如果在这几个月中，我单凭己之力要完成本设计是十分困难的，因为本设计的知识和内容大部分是以前未曾接触的，有许多新的东西要求我在短短几个月内消化吸收。

但我们小组做为个团队，大家相互帮助，相互鼓励，互相监督，共同讨论和解决问题，使论文能高质高效的完成。

此外，我还要感谢我所列参考文献的作者，正是他们的许多研究成果给了我很大的帮助，在此表示诚挚的谢意这里利用仿真函数来计算网络的输出。

预报误差曲线如图休息日预报误差曲线所示，图工作日预报误差曲线所示。

图休息日预报误差图工作日预报误差结论分析电力负荷预测是电力调度用电计划规划等部门的重要工作，国内外关于短期负荷预测的文献很多，但是由于电力负荷受诸多因素的影响和负荷本身的不确定性，使得迄今还没有种十分满意的方法。

本文介绍的基于神经网络的预测方法，在综合考虑天气情况历史负荷和日类型等对未来负荷影响的因素后，使用了神经网络的非线性拟合等功能，取得了较好的负荷预测效果。

如表休息日预测结果对照所示，如表工作日预测结果对照所示。

表休息日预测结果对照预测时段实际值预测值误差从表可见，个点的误差的绝对百分误差小于，最小绝对百分误差为，最大绝对百分误差为，平均绝对百分误差为，表明预测取得了较满意的结果。

表工作日预测结果对照预测时段实际值预测值误差从表可见，个点的误差的绝对百分误差小于，最小绝对百分误差，最鹤峰这块绿色旅游资源宝地。

土司文化 鹤峰容美古称柘溪容米容阳，早在新石器时代，土家族的先民容米部落即繁衍生息于此。

唐宋以来，为容美土司领地，田氏土王 世袭相承，雄稀世山珍葛仙 米世界罕见全国独有，还是中国四大磷矿之湘鄂磷矿带和世界最 大硒矿带的主要组成部分，国内三个富硒地区之世界神秘的北纬 度线穿越境内并在县城附近与度经线相交。

正是由于大红色旅游资 源。

绿色资源 鹤峰自然资源丰富，森林覆盖率达以上，为华中药库的 荟萃之地水能资源人均占有量全省第茶叶种植面积产量 和出口全省第野生薇菜箬叶出口全省第红色旅游资 源。

绿色资源 鹤峰自然资源丰富，森林覆盖率达以上，为华中药库的 荟萃之地水能资源人均占有量全省第茶叶种植面积产量 和出口全省第野生薇菜箬叶出口全省第稀世山珍葛仙 米世界罕见全国独有，还是中国四大磷矿之湘鄂磷矿带和世界最 大硒矿带的主要组成部分，国内三个富硒地区之世界神秘的北纬 度线穿越境内并在县城附近与度经线相交。

正是由于大自然 的原因，形成了鹤峰这块绿色旅游资源宝地。

土司文化 鹤峰容美古称柘溪容米容阳，早在新石器时代，土家族的先民容米部落即繁衍生息于此。

唐宋以来，为容美土司领地，田氏土王 世袭相承，雄踞方余载，在楚蜀诸土司中最为富强，迄今存 有屏业务培训，学习本工作范围内的有关知识，明确职责，经考试合格后，方准上岗工作。

哈尔滨广播电视大学毕业论文设计与当地气象台站保持联系，及时收听天气预报，防止寒流突然袭击。

安排专人测量施工期间的室外气温，砂浆混凝土的温度并作好记录。

图纸准备凡进行冬季施工的工程项目，必须复核施工图纸，查对其是否能适应冬季施工要求。

否则通过图纸会审解决。

现场准备根据实物工程量提前组织有关机具外加剂和保温材料进场。

工地临时供水管道及白灰膏等材料做好保温防冻工作。

向混凝土供应商提出冬季施工混凝土的性能指标，并做好砂浆及混凝土掺防冻剂的试配试验工作。

安全与防火冬季施工时，要采取防滑措施。

施工道路架子坡道经常清理积水积雪结冰，斜跑道要有可靠的防滑条。

大雪后必须将脚手架上的积雪清扫干净，并检查马道平台，如有松动下沉现象，务必及时处理。

现场火源，要加强管理使用电焊气焊时，必须执行使用明火申请制度，防止发生火灾。

电源开关，控制箱等设施要统布置，加锁保护，防止乱拉电线，设专人负责管理，防止漏电触电。

凡高空作业应系安全带，穿胶底鞋，防止滑落及高空为米，两侧房间开间设计为米。

室内外装修设计及建筑构造 本工程土建工程立面为 坡屋面立面装饰上以成品藏式装饰线条为主，在体现出政权业务用房的功能 特点的同时注重突出民族建筑风格。

建筑立面装饰材料为中级外墙防水涂料，以白色和桔黄色为主色彩基调。

建筑物剖面 建藏族民居的开窗特点及建筑节能的设计要 求，立面开窗面积均较小。

建筑立面设计以形体简洁朴实经济适用为设计原则，平立面考虑前 后高低错落，考虑到于严寒地区冬季漫长及多雨雪的气候特为输入信号。

对于神经网络，这是个仍有待于进步研究的问题。

电力系统短期负荷预测建模及实现负荷预测对电力系统控制运行和计划都有着重要的意义。

电力系统负荷变化受多方面的影响，方面，负荷变化存在着由未知不确定的因素引起的随机的波动另方面，又具有周期变化的规律性，这也使得负荷曲线具有相似性。

同时，由于受天气节假日等特殊情况的影响，又使负荷变化出现差异。

由于神经网络所具有的较强的非线性映射等特性，它常被用于负荷预测。

本文采用软件编程仿真，具体过程如下所示问题描述电力系统负荷短期预报问题的解决办法和方式可以分为统计技术专家系统法和神经网络法等。

众所周知，负荷曲线是很多因素相关的个非线性函数。

对于抽样和逼近这种非线性函数，神经网络是种合适的方法。

神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。

它不依靠专家经验，只利用观察到的数据，可以从训练过程中通过学习来抽样和逼近隐含的输入输出非线性的关系。

近年来的研究表明，相对于前两种方法，利用神经网络技术进行电力系统短期负荷预报可获得更高的精度。

在对短期负荷进行预报前，个特别重要的问题是如何划分负荷类型或日期类型。

纵观已经发表的文献资料，大体有以下几种划分模式将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型将周分为星期星期二到星期四星期五星期六星期天等种类型。

将周的天每天都看做种类型，共有种类型。

本文采用第种负荷划分模式，将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型。

输入输出向量设计在预测日的前天中，每个小时对电力负荷进行次测量，这样来，天共测得组负荷数据。

由于负荷值曲线相邻的点之间不会发生突变，因此后时刻的值必然和前时刻的值有关，除非出现重大事故等特殊情况。

所以这里将前天的实时负荷数据作为网络的样本数据。

此外，由于电力负荷还与环境因素有关，如最高和最低温度等。

因此，还需要通过天气预报等手段获得预测日的最高和最低温度。

这里将电力负荷预测日当日的气象特征数据作为网络的输入变量。

因此，输入变量就是个维的向量。

显而易见，目标向量就是预测日当天的个负荷值，即天中每个整点的电力负荷。

这样来，输出变量就成为个维的向量。

获得输入和输出变量后，要对其进行归化处理，将数据处理为区间，之间的数据。

归化方法有许多种形式，这里采用如下公式在样本中，输入向量为预测日前天的电力实际负荷数据，目标向量是预测日当天的电力负荷。

由于这都是实际的测量值，因此，这些数据可以对网络进行有效的训练。

如果从提高网络精度的角度出发，方面可以增加网络训练样本的数目，另方面还可以增加输入向量的维数。

即，或者增加每日的测量点，或者把预测日前几天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，从而导致网络外推能力不够而样本过多可能会出现样本冗长现象，既增加了网络的训练负担，也可能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