电力系统短期电力负荷预测仿真研究

《电力系统短期电力负荷预测仿真研究》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32卷第5期计算机仿真2015年5月文章编号：1006—9348(2015)05—0132—04电力系统短期电力负荷预测仿真研究任金霞，游鑫，余志武(江西理工大学电气工程与自动化学院，江西赣州，341000)摘要：在短期电力负荷准确预测的研究中，由于模型存在随机、时变、非线性等特点，用传统的神经网络进行预测结果往往不是很理想。为了提高预测的准确率，在建模之前，先通过相似日法选出与预测El总体相似度较高的负荷数据作为输入数据，提高待预测数据与训练数据之间的相关性。然后通过动态模糊神经网络来进行预测。减小建模的复杂性并提升建模速度。最后用EUNITE提供的电力负荷数据来进行仿真，仿真表明相似日和

2、动态模糊神经网络结合的方法预测结果较为理想，提高了预测的准确率。关键词：动态模糊神经网络；短期电力负荷预测；日负荷峰值；相似日中图分类号：TPl8文献标识码：BShort-TermLoadForecastingBasedonDFNNRENJin—xia，YOUXin，YUZhi—wu(SchoolofElectronicEngineering&AutomationJiangxiUniversityofScienceandTechnology，GanzhouJiangxi341000，China)ABSTRACT：Duetorandom，time-varyingandnonlinearprope

3、rtiesofshort—termpowerload，thetraditionalneuralnetworkcannotefficientlyachievetheloadprediction，andthesimilardaymethodcannotmaketheloaddatahilghlymatchtheentirepredictiondata．Thispaperpresentsanewmethodforshort-termloadprediction．Theloaddataareusedasinputdecisioninformationwhichcanefficientlyimprove

4、thecorrelationbetweentrainingdataandthepredic—tiondata．Thedynamicfuzzyneuralnetworkisusedtopredicttheload，whichcanreducethemodelingcomplexityandincreasethemodelingspeed．TheelectricityloaddataprovidedbyEUNITEareusedtosimulation．Thesimula—tionresultshowsthatthecombinationofsimilardaymethodanddynamicfu

5、zzyneuralnetworkhasgoodpredictionperformance，whichcansignificantlyimprovetheaccuraterate．KEYWORDS：DFNN；Short-termloadforecasting；Dailyloadpeak；Similardayl引言传统和现代人工智能预测法是短期电力负荷预测的常用方法，传统的预测法包括线性回归法、时间序列⋯法等，它们是采用数学表达式来表述预测的模型，对原始时间序列平衡时要求高，且建模辨识过程繁琐。现代人工智能预测以专家系统、模糊逻辑理论和神经网络为主。神经网络口1虽有着能实现任意的非线性映射和具有很

6、强的自学习能力等优点，亦有着训练时间长、泛化能力差、易陷入极部极值等不足。本文采用基于相似日和动态模糊神经网络来进行短期电力负荷预测，综合考虑气象、日期类型等总的相似度来选出与预测日相似的数据来训练动态模糊神经网络。使用相似日法能有效提取与待预测负荷相关性较大的数据做为动态模糊神经网络的训练数据，减小网络的训练时间且使网络更加基金项目：国家自然科学基金(61262013)收稿日期：2014—10—16修回日期：2014—11—09．---——132．---——简洁。动态模糊神经网络中因使用模糊化和修剪规则又能解决神经网络易陷入局部极值、泛化能力差等缺点‘7

7、。最后使用EUNITE提供的负荷数据

8、进行仿真，仿真取得较为理想的结果。2短期电力负荷预测原理短期电力负荷预测就是通过对已知的负荷数据、气象条件等进行分析，研究其内在规律。对未来的负荷进行估计和预测。本文使用相似日和动态模糊神经网络来进行预测，解决短期电力预测建模辨识过程繁琐、泛化能力差等难点问题，具体实现方案如下：1)先对收集到的电力系统负荷数据进行归一化，再使用相似日法来选出待预测数据的训练数据。2)使用产生的数据来训练动态模糊神