基于WNN神经网络的短期负荷预测

【摘要】： 短期负荷预测是电力系统发电计划的重要组成部分,是调度合理安排电网运行方式、机组启停计划、交换功率计划等的基础,准确的负荷预测有助于提高电力系统的安全性和稳定性,短期负荷预测将发挥越来越重要的作用。 本文利用小波变换结合小波神经网络预报方法,分为3个阶段：①对历史负荷序列进行小波分解；②利用合适的神经网络模型分别对各尺度域上的小波序列进行建模和预报；③将各子序列的预报数据进行小波重构,生成负荷序列的最终预报数据。算例采用西安市2002年7月的负荷数据训练,预测8月7日当天的负荷数据,结果证明利用小波分解+小波神经网络的方法达到较好的预测结果。用相同的方法对2002年西安市6月负荷数据训练,预测7月8日当天数据,结果出现较大的误差。 因为负荷预测受多种因素影响,尤其是在夏季,气温变化引起的负荷波动趋势越来越明显。考虑到2002年7月8日当天气温较高,并且持续了10天的高温天气,虽然比较前一天温度并没有较大增加,但是负荷量却显著的增加。本文主要讨论了热累积效应对负荷的影响,采用了基于模糊理论的温度热累积效应与负荷的关系模型及处理方法。在实际负荷预测过程中,用模糊控制对持续高温的负荷修正。对于02年7月8日当天负荷结果进行修正,结果表明经修正的小波神经网络模型能有效地反映热累积效应和负荷之间的变化关系,提高了预测精度。