基于小波软阈值的中长期电力负荷预测研究

《基于小波软阈值的中长期电力负荷预测研究》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20卷第12期广东电力V01．20NO．122007年12月GUANGDONGELECTRICP0、)~RDec．2007文章编号：1007—290X(2007)12-0005—04基于小波软阈值的中长期电力负荷预测研究吴耀华(陕西理工学院电气工程系，陕西汉中723003)摘要：由于中长期电力系统负荷数据相对较少，影响因素广泛，常用的负荷预测方法很难达到满意的精度，所以提出一种结合小波软阈值和广义回归神经网络的综合预测模型，该模型充分考虑了长期负荷数据相对较少和影响因素广泛的特点，把负荷预测看作一个信号序列，应用小波去噪原理，将信号与噪声分

2、离，然后利用广义回归神经网络进行预测。实际应用证明，预测结果是令人满意的。关键词：广义回归神经网络；中长期负荷预测；小波软阈值；小波去噪原理中图分类号：TM715文献标志码：AStudyonMid—andLong-termPowerLoadForecastingBasedonWaveletSoft—thresholdTechnologyWUYao—hua(Dept、ofElectricalEngineering，ShaanxiUniversityofTechnology，Hanzhong，Shaanxi723003，China)Abstract：Mid—andlong-termloadda

3、taofpowersystemiscomparativelyinadequateandinfluencedbymanyfactors．Henceitisdifficulttoachievesatisfactoryprecisionbyuseofcommonloadforecastmethods．Thispaperpresentsacomprehensiveforecastmodelintegratingwaveletsoft—thresholdwithgeneralregressionneuralnetwork(GRNN)．Withfullconsiderationofthecharact

4、eristicsoflong—termloaddata，theloadforecastisviewedasasignalsequenceandthesignalisdenoisedwithwaveletdenoisingtheory．ThenGRNNisusedtoforecasttheload．Practicalapplicationsshowthattheforecastprecisionissatisfying．Keywords：generalregressionneuralnetwork(GRNN)；mid—andlong-termloadforecast；waveletsoft—

5、threshold；waveletdenoisingtheory对电力系统而言，提高电网运行的安全性和经波动，而随机性因素引起的随机波动则是短周期、济性，改善电能质量，都依赖于准确的负荷预测。高频率的。因此，长期负荷数据序列就可以看作一此外，从发展来看，负荷预测也是我国实现电力市个信号序列，根据周期长短或者频率高低分离，然场的必备条件。后应用小波去噪原理，将信号与噪声分离j。常用的负荷预测方法有外推法、相关分析法和广义回归神经网络在样本数据较稀少时，效果时间序列法等，近年来有很多学者通过引人人工神也很好，网络可以处理不稳定的数据，而且人为调经网络、灰色系统、小波和混沌等理论来探讨新的节的参

6、数少，只有一个阈值。因此，本文提出了一预测方法l1—21。但由于长期负荷数据相对较少，影种结合小波软阈值和广义回归神经网络的综合预测响因素非常广泛且很难预测，采用这些方法预测很模型，充分考虑了长期负荷数据相对较少和影响因难达到满意的预测精度。素广泛的特点，把负荷序列看作一个信号序列，应长期负荷数据中包含有确定性因素和随机性因用小波去噪原理，将信号与噪声分离，然后应用广素，包含的确定性周期成分是一种长周期低频率的义回归神经网络进行预测l5-7]。收稿日期：2007．05．30维普资讯http://www.cqvip.com广东电力第20卷1小波阈值降噪理论简介小波去噪的根本任务是在小波域将信

7、号的小波变换与噪声的小波变换有效地分离。1992年，Donoho和Johnstone提出了小波阈值收缩(WaveShrink)的方法，该方法在最小均方误差意义下可达到近似最优，并且可取得较好的视觉效果，因而得到了深入的研究和广泛的应用]。小波阈值收缩法去噪的主要理论依据是，小波变换特别是正交小波变换具有很强的去数据相关性，它能使信号能量在小波域集中在一些大的小波系数中，而噪声的能量却分布于整个小波域内，因此，经小波分解后