基于神經(jīng)網(wǎng)絡(luò)的電力負荷預(yù)測研究與實現(xiàn).pdf

1、電力產(chǎn)業(yè)在國民工業(yè)系統(tǒng)中具有支柱作用，電力的平穩(wěn)運行關(guān)乎國民經(jīng)濟的命脈。在電力系統(tǒng)管理中，電力負荷預(yù)測至關(guān)重要。準確的電力負荷預(yù)測能夠為電力系統(tǒng)的平穩(wěn)運行、制定合理電價、電力實時調(diào)度提供重要依據(jù)。特別是在經(jīng)濟領(lǐng)域，電力負荷預(yù)測能夠?qū)侠碚{(diào)配資源，優(yōu)化發(fā)電計劃，取得最優(yōu)的社會效益和經(jīng)濟效益起到巨大作用。然而隨著我國經(jīng)濟的快速發(fā)展，對電力的需求日益增長，電力負荷本身也受日期、天氣、氣候、市場以及政策影響，大大加大了準確電力負荷預(yù)測的難度。<

2、br>　　本文首先介紹了電力負荷預(yù)測的背景以及負荷預(yù)測對經(jīng)濟的影響，分析了影響電力負荷的因素以及電力分析的基本模型并介紹電力負荷預(yù)測常用的基本方法。本文重點介紹了神經(jīng)網(wǎng)絡(luò)的基本原理，如何將神經(jīng)網(wǎng)絡(luò)用于電力負荷預(yù)測之中，并提出了基于序列增量比的神經(jīng)網(wǎng)絡(luò)預(yù)測方法。本文的內(nèi)容主要包括以下三個方面:
　　一、對電力負荷預(yù)測的基礎(chǔ)模型和基本方法進行了詳細的介紹。本文通過對數(shù)據(jù)的可視化方法介紹了影響電力負荷的四種分量，包括基本（正常）負荷分量

3、、天氣敏感分量、特殊事件敏感分量以及隨機分量，以及各個分量對電力總負荷變化趨勢的不同作用。然后簡要介紹了預(yù)測負荷的幾種方法，包括傳統(tǒng)的基本的分析預(yù)測方法以及灰度預(yù)測、回歸分析和神經(jīng)網(wǎng)絡(luò)等智能預(yù)測方法。
　　二、對神經(jīng)網(wǎng)絡(luò)的基本原理進行了系統(tǒng)介紹。本文介紹了兩種網(wǎng)絡(luò)，即基本的前饋神經(jīng)網(wǎng)絡(luò)以及循環(huán)神經(jīng)網(wǎng)絡(luò)，以及如何通過反向傳播進行參數(shù)學習。介紹了我們?nèi)绾螌⑸窠?jīng)網(wǎng)絡(luò)用于預(yù)測，包括處理數(shù)據(jù)，如何將輸出數(shù)據(jù)歸一化以及如何將特征進行量化，以及

4、確定隱藏層節(jié)點個數(shù)。介紹了我們提出的通過序列增量比的方式進行多步負荷預(yù)測。
　　三、使用前饋神經(jīng)網(wǎng)絡(luò)(Feed-forward Neural Networks)和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks，簡稱RNNs）兩種網(wǎng)絡(luò)進行負荷預(yù)測。對這兩種網(wǎng)絡(luò)，分別設(shè)置基本的預(yù)測負荷和序列增量比預(yù)測兩種結(jié)構(gòu)，并且由于RNN具備自動學習歷史信息的能力，我們只在前饋網(wǎng)絡(luò)的輸入中加入歷史數(shù)據(jù)來得到基本負荷分量。我們的實驗