小波變換與基于AMPSO算法的神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測(cè)是電力部門實(shí)施發(fā)電計(jì)劃,負(fù)荷管理,系統(tǒng)安全性能評(píng)估的重要依據(jù)。隨著世界范圍內(nèi)電力市場(chǎng)化進(jìn)程的不斷深入,一點(diǎn)小的預(yù)測(cè)誤差往往就意味著較大的經(jīng)濟(jì)損失,因此負(fù)荷預(yù)測(cè)的有效和精準(zhǔn)性也越發(fā)顯示出其空前的經(jīng)濟(jì)效益。此外,負(fù)荷預(yù)測(cè)也是預(yù)測(cè)與制定電價(jià)的重要基礎(chǔ),其預(yù)測(cè)的精度直接影響到電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)型。
　　 本文首先概述了電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的原理和研究現(xiàn)狀,對(duì)預(yù)測(cè)的一些常用方法進(jìn)行了綜述。然后對(duì)公開(kāi)的負(fù)荷數(shù)據(jù)進(jìn)行了

2、特征分析,詳細(xì)的闡述了實(shí)際電力負(fù)荷表現(xiàn)出來(lái)的周期性與規(guī)律性,為后文的負(fù)荷類型分析以及數(shù)據(jù)的處理打下理論基礎(chǔ)。應(yīng)用小波變換的時(shí)頻暫態(tài)分析特性,通過(guò)經(jīng)典的Mallat算法,將原始負(fù)荷序列進(jìn)行三層小波分解。分解后的負(fù)荷子序列包含了不同的周期與頻率信息,然后根據(jù)各個(gè)分量的特點(diǎn)構(gòu)造自適應(yīng)的神經(jīng)網(wǎng)絡(luò)模型分別進(jìn)行負(fù)荷預(yù)測(cè)。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中,一種改進(jìn)的粒子群算法(AMPSO)被引用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的權(quán)值。該算法的特點(diǎn)是引入了變異與進(jìn)化的環(huán)節(jié),使

3、得AMPSO算法相比較于傳統(tǒng)的BP算法,具有沿著最優(yōu)途徑加速達(dá)到全局最優(yōu)解的功能,從而使得神經(jīng)網(wǎng)絡(luò)通過(guò)訓(xùn)練后能夠達(dá)到最小的輸出誤差。之外,負(fù)荷數(shù)據(jù)的歷史相關(guān)性分析也被引入到神經(jīng)網(wǎng)絡(luò)的輸入向量設(shè)計(jì)環(huán)節(jié)中,保證了神經(jīng)網(wǎng)絡(luò)的輸入向量一定是與預(yù)測(cè)時(shí)刻最相關(guān)的數(shù)據(jù)。最后,各個(gè)神經(jīng)網(wǎng)絡(luò)模型的輸出值經(jīng)過(guò)小波重構(gòu)得到最終的預(yù)測(cè)負(fù)荷數(shù)據(jù)。
　　 結(jié)合實(shí)際的歷史負(fù)荷數(shù)據(jù)和氣象信息,本文在不同的時(shí)間段上使用本文介紹的方法對(duì)負(fù)荷進(jìn)行了預(yù)測(cè),且用一些保留