基于相似度与神经网络的协同短期负荷预测模型

《基于相似度与神经网络的协同短期负荷预测模型》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、第37卷第1期凳策电力Vo1．37No．1EastChinaElectricPower2009年1月Jan．2009基于相似度与神经网络的协同短期负荷预测模型王建军，牛东晓，李莉(华北电力大学工商管理学院，北京102206)摘要：为了考虑除负荷本身外的其他因素对短期负荷的影响，提出了基于相似度与神经网络的短期协同预测模型。该模型首先通过计算负荷曲线的相似度对历史数据进行排序，然后选择与预测时刻相似度较相近的数据对未来时刻的负荷利用相似度进行预测，对于出现的误差，通过神经网络结合其他因素进行预测纠正。实验结果证明，该协同预测模型较之单纯的BP神经网络预测

2、模型具有较高的预测精度。关键词：负荷预测；相似度；神经网络；协同预测基金项目：国家自然科学基金项目(70671039、70572090)；教育部新世纪优秀人才支持计划(NCET-07-0281)作者简介：王建军(1981．)，男，博士，主要从事电力系统工程与应用、电力负荷预测研究。中图分类号：TM714文献标志码：A文章编号：100l-9529(2009)01-0064-04Coordinatedshort-termloadforecastingbasedonsimilaritydegreeandANNWANGJian-jun，NIUD0一xiao，L

3、ILi(SchoolofBusinessAdministration，NoahChinaElectricPowerUniv．，Beijing102206，China)Abstract：TomakefuUconsiderationontheinfluencesoffactorsotherthantheloaditselfontheshort—terraload，acoorcIinatedshort—termloadforecastingmodelbasedonsimilaritydegreeandANNWaSproposed．Theloadcurvesi

4、mi·laritywascalculatedtosortthehistorydataatfrst．andthenearesthistorydatawerechosenforforecasting．Inaddi—tion．theArtifieialNeutralNetwork(ANN)modelwasusedtocorrecttheelTOIS．Examplecaseshowedthatthemod．elwasmoreprecisethantheBP—ANNmode1．Keywords：loadforecasting；similaritydegree；A

5、rtificialNeutralNetwork(ANN)；cordinatedforecasting短期负荷预测是电力系统的一项基本工作，负荷值进行修正，从而进一步提高预测精度。是调度安排开停机组计划的基础，对电网调度自1相似度与神经网络的协同预测模型动控制是非常重要的，其预测精度直接影响电力系统的经济效益J。但长期以来短期预测方法图1所示的是某城市2条24h的日负荷曲并没有考虑到气象因素对短期负荷的影响，难以线，由图1可以观察得出，2条负荷曲线在图形上使预测精度进一步突破。具有一定的相似性，例如都在l0：00和18：00出近些年来，许多学者致力于将其

6、他因素考虑现2个负荷高峰，在凌晨3：O0附近出现负荷低进负荷预测中，以提高负荷预测的精度_2J。利谷。但2条负荷曲线又不完全相似，即存在着偏用数据挖掘技术和负荷预测技术相结合是研究其他因素对负荷预测影响的一种重要途径。其中关联分析是数据挖掘中的一种重要分支技术，用来判别某一对象与待比较对象的相关程度，从而实现该对象的分类判别。而正确选取适当的输入数据进行神经网络训练正是能否进一步精确预测负荷的重要前提J。本文提出了一种将相似度用于神经网络协同预测的模型，该模型首先计算负荷曲线的相似度，并确定相似度的阈值来筛选与预测日相似的负荷数据，从而进行负荷值的预测

7、。图1两条日负荷曲线然后利用神经网络进行误差计算，对预测得到的王建军，等基于相似度与神经网络的协同短期负荷预测模型离相似性的不同之处，因此，可建立负荷预测模型．一，⋯，，)，：；——由向量1．，夕=i+(1)sire(，)其中夕一表示根据相似度预测的部分，表示偏离相和t的内积表示。似度的预测部分，而待预测负荷夕由夕一和夕两部分协1．2利用神经网络对多进行预测同预测相加组成。其中夕⋯可由相似度的相关计算预测由于电力负荷受到气象、经济、价格、政策、政得到，而大多是由于某些诸如气温等因素造成的偏离治活动等因素的影响，使得电力负荷在保持与历误差所造成的，因此可

8、以借助神经网络等预测模型进行史数据相似曲线运动的同时，总是或多或少地偏预测。离其相似度轨迹。而