基于GM-GRNN的电力系统长期负荷预测

《基于GM-GRNN的电力系统长期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第35卷第6期继电器V_0l_35No．62007年3月l6日RELAYMar．16，2007基于GM-GRNN的电力系统长期负荷预测吴耀华(陕西理工学院电气工程系，陕西汉中723003)摘要：由于长期负荷历史数据比较少，因此预测难度较大。在分析了灰色预测和神经网络预测的优缺点的基础上，提出了一种新型的预测方法一一GM-GRNN预测方法，此方法就是将灰色预测方法和人工神经网络中的广义神经网络相结合的预测方法，新方法发挥了灰色预测方法中的“累加生成”的优点

2、，能够削弱原始数据中随机性并增加规律性，同时避免了灰色预测方法及其预测模型存在的理论误差。最后采用我国某省年用电量的预测的算例表明该方法的预测精度优于单一的灰色预测和单一的神经网络预测方法，为电力系统长期负荷预测提供了一种有用的方法。关键词：电力系统；长期负荷预测；人工神经网络；广义人工神经网络；灰色预测LongtermloadforecastingbasedonGM-GRNNinpowersystemWUYao—hua(DepartmentofElectricalEngineering，Shaanx

3、iUniversityofTechnology,Hanzhong723003，China)Abstract：Becauseoflackofhistoryloaddata．itismoredificulttOpredictlongtimeload．ThepaperanalyzestIlemeritsaswellasdefectsofgreypredictionmethodandartificalneuralnetwork(ANN)method，andproposesanovelforecastingme

4、thodnamedgreyneuralnetwork．enewmethodutilizestheaccumulationgenerationoperationofgreypredictiontOtransformoriginaldataandproduceaccumulateddata．ThedatapossessesbetterregularitywhichmakesiteasiertOmodelandtraintheANNandavoidthetheoreticalerrorofgreypredi

5、ctionmethod．Casestudyshowsthatthismethodismoreaccurateandfasterthansinglegreypredictionandsingleneuralnetworkmethod．Itisausefulmethodforlongtermloadforecasting．Keywords：powersystem；longtermloadforecasting；artificialneuralnetwork；generalizedregressionneu

6、ralnetwork；greyprediction中图分类号：TMTI5文献标识码：A文章编号：1003-4897(2007)06—0045-04负荷预测中得到重视和应用。基于神经网络的方法0引言具有传统建模方法所不具备的诸多优点：如对被建对一个电力系统而言，提高电网运行的安全性模对象的先验知识要求不多，一般不必事先对多个和经济性，改善电能质量，都依赖于准确的负荷预对应数据之间进行数学建模，只需给出对象的输测。此外，从发展来看，负荷预测也是我国实现电入，输出数据，通过网络本身的学习功能就可以掌力市场的

7、必备条件。常用的负荷预测方法有外推握不易明确表达的知识和经验并达到输入与输出法、相关分析法和时间序列法等，近年来有很多学的完全符合等优点。但是，传统的神经网络也有很者通过引入人工神经网络、灰色系统、小波和混沌多不足之处：它是一种典型的全局逼近网络，网络等理论来探讨新的预测方法。灰色预测方法通的一个或多个权值对每个输出都有影响，导致其学过累加生成来削弱随机干扰的影响，比较适合预测习速率较慢，加之网络在确定权值时具有随机性，电力负荷变化的总体趋势，因此通常用于中长期电导致每次训练之后输入输出之间的关系不定

8、，预测力负荷预测。但是，灰色预测方法理论上只适合预结果存在差异，而且网络层数，隐含层节点数的确测呈近似指数增长规律的数据序列，而且求解参数定缺乏理论指导。a和￡，的算法也有一定的问题。人工神经网络已由于传统神经网络存在这些缺点，使其在实际经被证明适合解决电力负荷预测问题，尤其在短期应用中受到一定的影响。因此，本文提出了一种结维普资讯http://www.cqvip.com．．46．继电器合灰色模型和广义神经网络进行负荷预测的方法。II=(j5『T)BTY