基于vc++与matlab的电力负荷预测

《基于vc++与matlab的电力负荷预测》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、基于VC++与MATLAB的电力负荷预测摘要：本文在简要介绍Matlab和VC++的基础上，提出了Matlab和VC++混合编程的思想，并在构建基于神经X络的电力负荷预测模型的基础上，利用Matlab和VC++混合编程对电力负荷预测进行了软件开发，实际应用表明，此软件在短期预测中具有较高精度，具有较高的精度，为高度复杂的非线性电力系统模型化提供了一条新途经。关键词：Matlab；VC++；电力负荷预测；神经X络TheForecastofElectricLoadbaseintheVC++andMATLABZ

2、UO　Xiu-hui(DepartmentofputerScience,Abstract：Thistextmixthethoughtofprogrammingafterputtingforodel,utilizeMatlabandVC++tomixprogrammingandpredicttoloadthathascarriedonsoftent,practicalapplicationindicates,thissoftforecast,precisionittohaveishigher,offerev

3、eryoneforhighlyplicatednon-linearpomodeltheneso-bidi-font-al">Keyso-bidi-font-al">：Matlab；VC++；forecastofload；ANN：TP183：Ａ0前言MATLAB是一个功能强大的平台，它编程简单，并具有强大的矩阵计算能力，但MATLAB也有一些局限，在处理许多图形绘制功能时灵活性不够。用VC++开发的系统具有维护容易、界面友好、代码效率高、执行速度快等一系列优点。VC++与MATLAB之间具有很强的互补性，利

4、用MATLAB形成大量有效的算法功能，利用VC++的友好界面及图形绘制联合开发，能大大缩短软件的研制周期，有效提高软件产品的性能[1]。在电力负荷预测计算中，由于使用神经X络模型，涉及大量的数值计算，同时需要对预测结果及历史状况进行图形化显示，对图形绘制要求较高，因此，有效地结合使用MATLAB与VC++将能提供更为强大的编程手段。1电力负荷预测的神经X络模型1.1神经X络简介人工神经X络是从结构上模仿生物神经X络，是一种通过训练来学习的非线性预测模型；它通过合理的样本训练、学习专家的行为，并通过引入非线

5、性转换函数来解决各种复杂的非线性问题，从而使ANN具有很强的模式识别能力；由于ANN具有学习、联想、自组织、记忆和容错等功能，这不仅可以避开建立复杂的数学模型和进行繁琐的数学推理，而且对信息不完全的数据进行ANN模型训练和非线性问题求解方面有着广泛的应用前景，它已广泛应用预测、特征挖掘等各种数据处理[2]。电力负荷预报在实时控制和保证电力系统经济、安全和可靠运行方面起着重要作用，它已经成为电力系统中现代能量管理系统的一个重要组成部分，尤其是短期精确的负荷预报对于系统运行和生产费用具有非常重要的影响。因此，

6、如何提高短期预报的精度成为电力系统所要解决的问题。电力系统负荷变化受多方面影响，一方面，负荷的变化存在着未知不确定因素引起的随机波动；同时由于受天气、节假日等特殊情况影响，又使电荷变化出现差异性，由于神经X络所具有的较强的非线性等特性，可以很好地应用电力负荷预测。1.2电力负荷预测神经X络模型电力负荷预测的实质是利用以往的数据资料，找出负荷的变化规律，从而预测出未来时期电力负荷的状态及其变化趋势。在电力系统中，短期负荷预测是指日负荷预测和周负荷预测，是电力系统中最为关键的一种负荷预测。1.2.1电力负荷相

7、关影响因素分析对短期预测要充分研究电X负荷变化规律、分析电荷变化相关因素，特别是天气因素、日类型和短期负荷变化关系，神经X络法是现行的一种解决短期负荷预测的新方法。在短期电荷中如何划分负荷类型或日期类型是相当重要，根据有关文献资料，大致有如下几种划分：（1）将一周的7天分为两种类型：工作日(星期一到星期五)!休息日(星期六和星期天)；（2）将一周的7天分为5种类型：星期一星期二到星期四、星期五、星期六、星期天；（3）将一周的7天分为7种类型：每天看作一种类型。在本文中采用第3种类型。1.2.2数据样本的分

8、析与处理在预测日的前一天中，每隔2个小时对电力负荷进行一次测量，这样一天可以得到12组负荷数据，将前一天的实时负荷数据作为X络的样本数据。另外电力负荷还与环境因素有关，如最高和最低气温等，可以通过天气预报得到预测日的最高、最低气温和天气特征(晴天、阴天、雨天)，可以用0、0.5、1分别表示晴天、阴天、雨天，将预测当天的气象特征作为X络的输入变量，这样输入变量X就是一个15维的向量，即n=15目标向量就是预测日当天的12个负荷值