1、“.....改进了系统对突变或者特殊情况的适应能力英国学者运用径向基函数，动态神经网络以及神经模糊技术等方法，改进了负荷预报模型，比传统的方向传播网络预报模型更加精确西班牙学者应用两个神经模糊系统和，另外还有带学习算法的前向多层感知机神经网络以及模型，获得了不错的预报效果。二〇四年六月二十日星期六论文的主要研究内容对机组负荷信息管理进行客观分析，提出设计框架本课题主要针对西安市发电厂，通过去发电厂的实地调研，获知其现阶段共有四台大型发电机组，分别是万千瓦机组和万千瓦机组。负荷预测对电力系统控制运行和计划都有着重要意义。电力系统负荷变化受多方面影响，方面，负荷变化存在着由未知不确定因素引起的随机波动另方面，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，由于受天气等特殊情况影响......”。

2、“.....由于电力系统负荷在不同的情况下，运行规则是不同的。比如在不同的用电季节天中的不同时段，其运行规律不同，因此应选取多个神经网络解决不同的情况。对每日小时分为五个时段凌晨时⋯时时时时下午时时晚时和时零时，每个阶段都用不同的网络进行预测。这种方法的优点是每小块的网络结构简单，网络训练速度快，预测精度也较高，但网络个数太多。由于神经网络所具有的较强的非线性映射等特性，常被用于负荷预测。绘制图，完善系统的功能设计通过对机组负荷影响因素的深入分析，找到各个因素对机组负荷的影响关系，建立数据库，从而绘制出相应的图。设计发电机组负荷预测模型，并分析预测结果本文研究的对象是基于神经网络的发电机组负荷预测。负荷预测的方法有很多种，目前，神经网络预测方法受到国内外广大研究人员的高度重视，被公认为比较有效的方法。本论文就是在此背景下......”。

3、“.....在总结现有理论成果的基础上主附录表神经网络模型样本日期历史负荷白天气温调度输出二〇四年六月二十日星期六毕业设计论文题目发电机组负荷预测模型的设计与实现专业自动化班级自班学生石斑指导教师张海英年二〇四年六月二十日星期六发电机组负荷预测模型的设计与实现专业自动化班级自班作者指导教师职称副教授答辩日期年月日摘要发电机组负荷预测是实现电力系统优化运行的基础，对于电力系统运行的安全性可靠性和经济性都有显著影响。因此，寻求有效的负荷预报方法以提高预报精度具有重要意义。迄今为止，研究人员已经提出了许多有效的方法。本文应用目前较为流行的神经网络方法对发电机组负荷进行预报。本文采用神经网络预测模型，输入变量和确定神经网络结构的方法和算法，此方法的提出可以使得从历史样本知识数据到最终预测模型的建模过程变得简单明了......”。

4、“.....通过去发电厂实际调研获得真实有效的数据，训练神经网络，使得网络能够正确的预测出负荷变化的实际规律。同时也参考了发电厂的现用的预测方法对神经网络结构加以改善，使得网络结构趋于完善。最后总结了本文的主要研究工作与收获，提出了些改进方案，并介绍了发电机组负荷预报的发展前景。关键词发电机组负荷预测神经网络数据处理系统预测模型章发电机组负荷预测模型的设计基础数据与处理影响因素的列表与分析负荷预测的图基于神经网络的算法设计算法建模分析确定算法网络模型网络训练机制输入输出向量设计输入数据的归化处理网络训练的确定预测分析预测信息预测结果分析小结第四章结论与展望结论展望小结致谢参考文献附录二〇四年六月二十日星期六绪论研究背景与意义研究背景火电厂负荷调度主要依赖传统的值长制方法，通过远程控制终端接收中调发来的全厂负荷曲线和实时负荷指令......”。

5、“.....这样，机组负荷的频繁调整完全靠手动控制，运行人员责任大且易出事故。随着我国电厂自动化水平的不断提高和电力改革的不断深入，厂网分开竞价上网已成必然。在确保机组安全运行的前提下，实时合理分配全厂各机组负荷，最大限度地降低发电煤耗是市场经济对发电厂提出的现实要求。研究意义准确的发电机组负荷预测是发电厂保证其安全经济运行的关键。发电厂只有获知未来几天机组的发电量才能给原煤仓送入适量的煤，这样不仅能够节省煤资源，最大限度降低煤耗，还能减少其排放的废弃物，从而减少环保费用。准确的发电机组负荷预测有助于发电厂制定合理的生产计划。发电机组长期运行会累积损害，因此每年发电厂对会安排段时间对发电机组进行检修维护。发电厂除了送交电网的电外自身也会消耗部分电量，也即是厂用电......”。

6、“.....国内外研究现状长期以来，国内外学者对电力系统负荷预报进行了广泛而深入的研究，提出了许多有效的方法，主要有时间序列法指数平滑法专家系统法神经网络法卡尔曼滤波法小波分析法等。它们均有各自的优点，但是没有种方法是绝对准确的，也没有种方法可以适用于切电力系统。所以各个国家在预测时根据本国的特点，采用的方法也都不样。东南大学的陆海峰单渊达应用时间序列法，在的基础上引入反馈序列模，并用检测逐步自动定阶，以长自回归计算残差法估计模型的初值，用递推最小二乘法对模型进行修正，以实现实时自适应负荷预报武汉大学的段俊东陈昆薇采用模糊理论对日负荷曲线预报中的天气因素进行了模糊处理，根据季节，气候的不同对天气因素做不同的模......”。

7、“.....网络层数输入层和输出层节点数都是根据电力负荷预测的实际需求而确定的，无法改变，而隐含层节点数传递函数学习函数以及其他参数都是根据多次网络训练而确定的最优选择，即所建网络的平均误差值最小时的选择。所以问题就可能出现在神经网络学习算法上，上章建立的电力负荷预测模型采用的是标准算法，标准网络算法存在些缺陷，主要有以下几点连接权初值隐含层节点数目以及网络参数的选取过于依靠经验。算法是个比较复杂的过程，它包含了许多问题，比如训练样本的选取，训练网络的构建，学习速率的选择学习次数的选取等等。在实际应用中，都没有具体准确的规律来进行选择......”。

8、“.....这样可能会使得预测的精度和实际相差较大。学习效率不高，收敛速度比较慢，需要大量的多次的迭代计算。在误差曲面曲率较高的地方，由于较大幅度的调整网络参数，可能出现过调现象，使网络难以收敛到最小点。为提高收敛性，学习率必须保持在个很小的值下在误差曲面较平坦处，需要经过重复数次的调整才能将误差函数曲面降低从而使得算法学习速度慢。可能会出现局部极小点。网络算法的实质是以梯度下降法二〇四年六月二十日星期六为基础的种非线性优化方法，误差曲面是多维的不平整的的非简单曲面，沿着负梯度的方向调整连接权值，就产生了多种复杂的现状。网络的泛化及适应能力较差。网络泛化能力的定义是经过训练后的网络对新样本做出正确反应的能力。过拟合就是说的泛化能力不高的现状。网络泛化能力的决定因素比较多，主要有样本资料网络结构网络算法等因素。从以上分析可知......”。

9、“.....目标函数存在局部极小的缺点。在基于神经网络的电力负荷预测模型中，要提高预测准确度，就需要对神经网络的学习算法进行相应的改进。展望目前，关于神经网络负荷预测方面的工作已经取得了令人可喜的成果，但是仍然还有很多不足之处和后续工作要求继续研究下去，主要集中在以下几个方面上样本数据对神经网络的学习性能影响很大，进行相似日的样本挑选，有利于提高模型的预测精度数据信息的局限。影响负荷大小的因素很多，典型的重大事件具体的特殊事件等，这部分信息没有记载，所以在原始数据中没有储少滨神经网络在电力系统短期负荷预测中的应用南华大学学报自然科学版李玲纯，田丽基于遗传算法和神经网络的短期电力负荷预测二〇四年六月二十日星期六安徽工程科技学院学报自然科学版胡冰蕾基于遗传优化的神经网络算法的短期负荷预测供用电宋振宇，谭勖，刘宇......”。