人工智能方法在电力系统短期负荷预测中的研究

【摘要】： 本文首先分析比较了电力系统短期负荷预测的传统方法时间序列法和回归方法以及最近的专家系统和神经网络技术的优点和不足，然后针对人工神经网络BP算法的不足对其进行了改进，采用了基于拟牛顿的自适应算法，它提高了网络学习效率，具有较快的收敛速度和较高的精度。接着提出了改进的遗传算法来改善神经网络的局部收敛性。文中利用神经网络和遗传算法的优点，建立了一种神经网络和遗传算法相结合的模型来进行电力系统的短期负荷预测。在对负荷变化规律分析的基础上提出了按日期类型分开建模的24小时预测模型，并对天气因素进行了有效处理。建立了具有灵活友好的用户界面和较完善功能的负荷预测软件。实例表明，人工神经网络和遗传算法相结合的模型在实际应用中有令人满意的预测效果。