基于模糊神经网络的电力负荷短期预测

【摘要】： 电力负荷预测水平己成为衡量电力系统运行管理现代化的标志之一,电力系统的正确调度、规划和运行都离不开电力负荷预测,准确的负荷预测不仅对电力系统的安全、可靠、经济运行起着重要作用,同时也是潜在节约能源的方法。尤其是准确的短期负荷预测更具有重要的意义。负荷预测的影响因素较多,不只由负荷本身的历史数据决定,还要受众多非负荷因素的影响。 本文分析了电力系统负荷预测的意义和方法,介绍了电力短期负荷预测的特点及研究现状。阐述了人工神经网络和模糊理论的相关概念和原理,分析了它们各自的优缺点以及它们之间的互补性。介绍了模糊神经网络的类型和训练算法。 最后,本文针对电力负荷的特点,综合考虑温度、日期类型等对日最大负荷的影响,将模糊神经网络模型应用于电力系统的短期负荷预测中,详细介绍了预测模型建立的全过程。通过对EUNITE网络提供的实际数据进行详细分析,确定了影响日最大负荷的相关因素,进而选择了合适的模糊输入建立相应的模糊神经网络预测模型,取得了较为理想的预测结果。结论充分证明了模糊神经网络在短期电力负荷预测方面的巨大潜力。同时也表明,对电力负荷的影响因素的研究仍具有重要的现实意义。