电力短期负荷预测的研究

《电力短期负荷预测的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、电力短期负荷预测的研究电力短期负荷预测的研究【摘要】电力短期负荷预测是电力部门的一项重耍工作，在电力系统的安全、可靠及经济运行中起到了很重要的作用。在本文中，利用模拟退火算法的全局寻优能力和BP神经网络的非线性学习能力,提出了模拟退火BP神经网络的电力短期负荷预测模型来实现短期负荷的预测，从而能有效地克服BP神经网络容易限入局部极小的缺陷。通过某市的实际数据为算例，验证了本算法的有效性和优越性。【关键词】短期负荷预测；BP神经网络；模拟退火算法0引言电力的短期负荷预测是电力系统的一项重要工作，是实现供电可靠、经济管理的基础。市于电力负荷受到很多因索的

2、影响，负荷预测方法发展至今，虽然已经积累了很多经验，但是还没有一种可靠的模型实用于不同地区。本文针对某市电力负荷的特点，提出了模拟退火BP神经网络电力短期负荷预测模型。经验证，该模型在实现负荷预测方面的可行性。1BP神网络人工神经网络理论的研究始于1890年美国著名心理学家W.James关于人脑结构与功能的研究，至今已提出过许多网络模型，其中用于预测的网络主耍是BP神经网络。这是因为BP神经网络主耍有以下特点：（1）较强的非线性映射能力；（2）很好的泛化能力；（3）很强的容错能力和学习能力。D.E.Rume1hart和J.L.MeCeliand及其研

3、究小组于1986年研究并设计出来BP神经网络（Back-propagationNeutralNetwork）是一种基于误差反向传播（BP算法）的多层前向神经网络，采用有导师的训练方式。BP算法的学习过程包括信号的正向传播与误差的反向传播两个过程。三层BP网络是一种应用很普遍的神经网络，它包括输入层、隐层和输出层，如图1所示，输入层神经元的个数为输入信号的维数，隐含节点的个数视具体情况而定，输出层神经元的个数为输出信号的维数。BP网络的T作流程见图2所示。图1BP神经网络误差的反向传播是BP网络的一大特点，但是，该网络也存在以下一些主要缺陷：(1)训练

4、次数太多，效率较低；(2)易于陷入局部极小而不能实现全局最优。针对这些缺点，本文利用模拟退火算法对BP网络进行改进。2模拟退火算法1953年Metropolis等提出的模拟退火算法(SimulatedAnnealing,简称SA)能够近似求解具有NP复杂性的问题，可以避免陷入局部极小的问题。模拟退火算法主要包括状态产生函数、状态接受函数、温度更新函数、内循环终止准则和外循环终止准则。其工作过程如图3所示。图2BP网络的工作过程图3模拟退火算法的流程图3神经网络负荷预测模型木文设计的预测模型中BP神经网络的输入层共有8个输入端，分别用来输入待测H前四天

5、对应时刻的负荷，以及天气因素中的最低温度、最高温度、降雨量和FI期类型；因为本模型的输出为对应吋刻的负荷，故输出层只有一个输出端；隐含节点的最佳个数现在没有一个具体的方法或者公式來确定，通过实验，本文最终取9个隐含节点。该模型工作流程见图4所示。4验证本文利用该模型及单-的BP神经网络模型來预测某市的负荷。由于预测过程中所用的数据性质不同，大小差别很大，因此在使用之前，需要对数据进行归一化处理，对预测结果需要进行还原。本文所用的转移函数均为单极性Sigmoid函数。利用历史数据，进行预测,预测结果见图5所示。预测误差分布见图6所示。图4预测模型工作流

6、程图5预测结果图6预测误差通过以上预测结果可知，利用该模型在预测结果的准确性方面,比单一BP神经网络具有很大的优势，同时也验证了该模型的可行性。5结论针对单…的BP神经网络的缺点，本文利用模拟退火算法來优化BP神经网络，经验证，该方法是可行的。【参考文献】［1］朱兴统•基于SA-LSSVM的电力短期负荷预测［J］•科学技术与工程，2012,12(24)：6171-6173・［2］师彪，李郁侠，于新花，等•基于改进粒子群模糊神经网络的短期电力负荷预测［J］•系统工程理论与实践,2010,30(1)：157-166.［3］李慧，王来运•基于混沌蚁群算法的

7、电力短期负荷预测［J］・北京信息科技大学学报，2011,26(4)：40-43.［4］郑永康，陈维荣，蒋刚，等•基于混沌理论的短期负荷局域多步预测法［J］・电力系统及其自动化学报,2007,19(4)：76-79.［5］谷子，唐巍.电力短期负荷时间序列混沌相空间重构参数优选法［J］・中国电机工程学报,2006,26(14)：18-23.［责任编辑：丁艳］