资源描述：
《人工神经网络应用于电力系统短期负荷预测的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第31卷第6期四川电力技术Vol.31,No.62008年12月SichuanElectricPowerTechnologyDec.,2008人工神经网络应用于电力系统短期负荷预测的研究周林,吕厚军(德阳电业局,四川德阳618000)摘要:预测电力系统未来几分钟到一个星期的负荷对电力系统的经济和安全运行起着重要作用。人工神经网络(ANN)技术的发展提供了一种新的电力系统负荷预测手段。人工神经网络预测模型成功地用于预测电力系统短期负荷,与传统方式不同,ANN不依靠人的经验而是通过训练,自主地学习系统输入和输出之间的函数关系。最初,ANN通
2、过已知结果的历史数据进行学习;完成后,只给ANN输入预测条科即可进行负荷预测。关键词:短期负荷预测;模式识别;神经网络Abstract:Shorttermloadforecasting(STLF)withleadtimefromafewminutestoseverdays,PlayakeyrolefortheeconomicandsecureoperationofPowersystems.VariousmodelsforSTLFhavebeenProposedinthelastfewdecades.Withthedevel2opment
3、ofANN,anewmethodoftheSTLFhasbeenproposed.TheforecastmodelofANNhasbeensuccessfullyappliedtoSTLFANNdoesnotrelyonhumanexperiencebutattempttolearnbyitselfthefunctionalrelationshipbetweensysteminputsandoutputsthroughatrainingProcess.InitiallytheANNistrainedbyhistorydata.After
4、training,theANNcanbeusedtoforecasttheloadofPowersystemonlyWithinputs.Keyword:ANN;ShortTermLoadForecasting(STLF);PatternRecognization中图分类号:TM714文献标识码:A文章编号:1003-6954(2008)06-0068-051.3.1基本正常负荷分量1负荷预测综述不同的负荷预测周期,B(t)分量具有不同的内涵,对超短期负荷预测B(t)近化线性变化,甚至是常数。1.1负荷对短期负荷预测B(t)一般呈周期性
5、变化,而中长期负负荷可指电力需求量或者用电量,而需求量是指荷预测B(t)一般呈明显增长趋势的周期性变化。能量的时间变化率,即功率。亦可以说,负荷是指发对基本正常负荷分量可用线性变化模型和周期电厂、供电地区或电网在某一瞬间所承担的工作负变化模型来描述或两者的合成来表示。荷。对用户来说,用电负荷是指连接在电网的用户所1.3.2天气敏感负荷分量有用电设备在某一瞬间所消耗功率之和。影响负荷的天气因素有温度、湿度、风力、晴、雨等,1.2负荷预测根据大量给定的过去若干天负荷和天气数据记录,进行在充分考虑一些重要的系统运行特性、增容决数据处理和相关性
6、分析,以决定天气敏感负荷模型。策、自然条件与社会影响的条件下研究或利用一套系1.3.3特别事件负荷分量统地处理过去与未来负荷的数学方法,在满足一定精它指的是特别电视节目,重大政治活动等对负荷度要求的前提下确定未来某特定时刻的负荷数值,称造成的影响,可用专家系统建模方法来实现,也可以为负荷预测。用人工神经网络或简单地用人工修正来实现,通常用1.3电力负荷预测的基本模型因子模型描述。电力系统负荷一般可以描述为:1.3.4随机负荷分量L(t)=B(t)+W(t)+S(t)+V(t)(1)对于给定的过去一段时间的负荷记录提取基本式中,L(t)为
7、t时刻系统总负荷;B(t)为t时刻负荷分量,天气敏感负荷分量和特别事件负荷分量的基本正常负荷分量;W(t)为t时刻的天气敏感负后,剩余的残差即为各时刻的随机负荷分量,目前处荷分量;S(t)为t时刻的特别事件负荷分量;V(t)为t理这样问题最有效的办法是Box-Jenkins的时间序时刻的随机负荷分量。列法。·68·第31卷第6期四川电力技术Vol.31,No.62008年12月SichuanElectricPowerTechnologyDec.,20081.4电力负荷预测的方法这里取转移函数为S(singmoid)型函数f(x)=几十年
8、来,国内外普遍应用于负荷预测的传统方1,设网络权值为(w,T),阈值为θ,输入节点为xijli法有多元回归、ARMA模型、卡尔曼滤波、灰色系统1+e方法等。在近十几年中,电力系统负荷预测普遍采用xj,隐节点
