基于人工神经网络的短期负荷预测

【摘要】： 短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面，是能量管理系统（EMS）的组成部分，也是今后进行电网商业化运营所必需的基本内容。 目前，国内外电力系统短期负荷预测的方法很多，但没有任何一种方法能保证在任何情况下都获得满意的预测结果，因而提高预测精度一直是人们致力于研究的方向。针对短期负荷的变化规律，本文分别应用一次指数平滑模型和人工神经网络模型建立模型。一次指数平滑模型充分体现了负荷连续变化的趋势性和周期性，但是没有详细考虑天气因素对负荷的影响。神经网络模型有力的知识学习能力和非线性映射功能，将气象因素、类型日及历史负荷数据与负荷变化有机结合起来，但此模型对负荷变化的连续波动性体现不够。本文通过对郑州地区负荷特性的实际情况进行分析，得出本地区负荷变化的规律和影响负荷变化的因素，综合上述两种模型优缺点的互补性，提出了一种适合该地区负荷特点的短期负荷预测方法---组合预测模型。它对神经网络在实用中的性能作了改进，使网络能以较大的概率快速收敛到全局最小，预测精度在考虑了天气因素影响后有了较大程度的提高，经过对该地区电力系统短期负荷预测的应用可以得到符合要求的预测结果，表明组合预测模型能够在今后的实际工作中发挥作用。