基于级联神经网络的短期电力负荷预测

《基于级联神经网络的短期电力负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.comVo1．31No6湖北电力200箜7年!1鲞2箜月(卷塑终)Dec．2007基于级联神经网络的短期电力负荷预测秦昌平(武汉电力职业技术学院，武汉430079)[摘要]文章基于神经网络理论，针对武汉地区电力负荷曲线的特点，提出了采用级联神经网络进行电力负荷预测的模型，实例计算表明，该方法具有较高的预测精度和较强的适应能力。[关键词]电力负荷预测；人工神经网络；级联模型[中图分类号]TM727[文献标识码]A[文章编号]1006-3986(2007)06~005-

2、03TheShortTermPowerLoadForecastingBasedontheCascadeNeuralNetworkQINChang—ping(WuhanElectricPowerTechnicalCollege，Wuhan430079，China)[Abstract]Basedontheneuralnetworktheory，consideringthecharactristicsofpowerloadcurveinWuhan，aCascadeNeuralNetwork，loadforecas

3、tingmethodisproposedinthispaper．Thecalculationofanexamplein—dicatesadaptabilitythatthemethodhasthehighforecastprecisionandthestrongeradaptability．[Keywords]powerload~recasting；artificialneuralnetwork；cascadedmodel在于它具有模拟多变量而不需要对输入变量做复杂1概述的相关假定的能力。它不依靠专家的经验

4、，只利用电力系统负荷短期预测问题的解决办法和方式观察到的数据，可以从训练过程中通过学习来抽取可以分为统计技术、专家系统法和神经网络法等3和逼近隐含的输入／输出之间的非线性关系。近年种。来的研究表明，相对于前两种方法，利用神经网络技统计技术中所用的短期负荷模型一般可归为时术进行电力系统短期负荷预报可获得更高的精度。间系列模型和回归模型。时间系列模型的缺点在于2电力负荷曲线特点分析不能充分利用对负荷性能有很大影响的气候信息和其它因素，导致了预报的不准确和结果的不稳定。图1和图2是武汉地区电力负荷实际曲线图，回归

5、模型虽然考虑了气象信息等因素，但需要事先也是本文所研究的对象。／l0_w知道负荷与气象变量之间的函数关系，这是比较困难的。而且为了获得比较精确的预报结果，需要大量的计算，这一方法不能处理气候变量与负荷之间的非平衡暂态关系。专家系统法利用了专家的经验知识和推理规则，使节假日或有重大活动的日子的负荷预报精度得到了提高。但是，把专家知识和经验等准确地转日■2．272箍3．I3．23，33●35羔6373093IO3儿3I23I3化为一系列规则是非常不容易的。天气■譬■譬云云云云■■■云多云睛膏睛睛众所周知，电力负

6、荷曲线是与很多因素相关的低沮O．223609I2I2I2252I2裔置32IOI3l6I7l82I2I∞加I3757一个非线性函数。对于抽取和逼近这种非线性函数，神经网络是一种合适的方法。神经网络的优点图1负荷曲线(2月27日至3月13日)从图中可以初步看出，武汉地区电力负荷变化[收稿日期]2007-10-30[作者简介]秦昌平(1962一)，男，安徽含山人，副教授，工曲线具有如下特点：学硕士。(1)负荷曲线的变化具有明显的以天为周期的·5·维普资讯http://www.cqvip.com整鲞笺鱼塑湖北电力

7、VDoI．31№62007年12月(卷终ec．2o07第．．值第—_——次峰值——Y●‘-级级，■神谷值神-■、--经次谷值经阿阿络络图3级联神经网络负荷预测模型图2El负荷曲线(3月6日)4电力负荷峰谷值预测周期性；4．1输入／输出向量设计(2)每天的19：00—20：00之间电力负荷达到影响El负荷曲线的气象因素包括最高温度、最当天的峰点，之后缓慢下降；在2：00—6：00之间用低温度、平均温度、天气状况、湿度等等。如果要精电负荷达到最小。处于当天的谷点；6：00之后负荷确预测，则需要尽可能多地考虑所有

8、因素。考虑到开始逐渐增大，在11：00左右达到每El的次锋点；在温度是最主要的影响。加上缺少其他气象因素的准13：00—16：00之间用电负荷处于次谷点。确值，所以这里仅考虑温度因素。(3)天气状况对用电负荷有较大影响，由于是绘制出平均温度与负荷之间的散点图如图4、冬季。气温低导致因用电取暖而负荷增加。53级联神经网络模型的构思●·!◆’l·▲▲“追通过对电力负荷曲线特点分析可知，每El的负荷走势具有很强的规律性