基于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的電網(wǎng)短期負(fù)荷預(yù)測.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測的水平已成為衡量電力系統(tǒng)運(yùn)行管理現(xiàn)代化的標(biāo)志之一。精確的短期負(fù)荷預(yù)測，對電力系統(tǒng)的生產(chǎn)安排、經(jīng)濟(jì)調(diào)度和安全分析都起著十分重要的作用，也直接影響著電力企業(yè)的經(jīng)濟(jì)效益。因此，短期負(fù)荷預(yù)測結(jié)果成為制定電力市場交易計劃的重要依據(jù)，這就對短期負(fù)荷預(yù)測提出了更高的要求。
　　原始的預(yù)測方法在電力系統(tǒng)負(fù)荷預(yù)測的局限性凸顯，近年來人工神經(jīng)網(wǎng)絡(luò)法等智能算法具有高度的非線性映射能力，可以較好地考慮氣象條件等因素對電網(wǎng)負(fù)荷的影響，在電力

2、系統(tǒng)負(fù)荷預(yù)測中得到了廣泛的應(yīng)用。
　　本文在分析了目前短期電力負(fù)荷預(yù)測的現(xiàn)狀及各種預(yù)測方法、預(yù)測模型的基礎(chǔ)上，討論了影響負(fù)荷的各種因素，在輸入變量中考慮臨近日負(fù)荷特點(diǎn)，以及各種氣象因素，對輸入負(fù)荷值進(jìn)行歸一化處理，對溫度、天氣和日期等因素進(jìn)行了量化處理。建立BP和RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測數(shù)學(xué)模型，并在此基礎(chǔ)上，利用梯度下降法對參數(shù)修正。
　　根據(jù)本文所介紹的方法對BP和RBF神經(jīng)網(wǎng)絡(luò)編程，其結(jié)果表明預(yù)測精度是符合要求的，