基于主成分分析法的遺傳神經網絡短期負荷預測的研究.pdf

1、電力系統(tǒng)短期負荷預測是電力生產部門的重要工作之一,它主要用于預報未來幾小時、一天至幾天的電力負荷。精準的短期負荷預測結果對電力系統(tǒng)運行的安全性、經濟性和供電質量有著重要的保障作用,利用該結果可以經濟合理地安排機組啟停以減少旋轉備用容量,可以合理地安排檢修計劃以降低發(fā)電成本、提高經濟效益。
　　短期負荷預測的方法有很多,其中BP神經網絡技術是較為先進的預測方法。它能夠通過自組織和自適應功能大規(guī)模處理各種包含非線性信息的復雜系統(tǒng),但是

2、傳統(tǒng)的BP神經網絡具有訓練速度慢和對初始權值敏感以致容易陷入局部極小點的兩個主要缺陷。本文針對此缺陷,在對BP神經網絡展開分析與研究的基礎上,提出了基于主成分分析法的遺傳神經網絡(PCA-GABP神經網絡)模型,利用主成分分析法對負荷數據樣本進行降維處理,達到去除數據間的相關性、刪除其中的部分冗余信息、減少網絡的輸入量的目的,克服神經網絡其收斂速度慢的缺陷。同時,將改進的遺傳算法與BP神經網絡結合,利用遺傳算法的全局搜索性能決定BP神經

3、網絡的權值閾值,有效克服BP算法的局部收斂問題。由于氣象因素對短期負荷預測精度有很大的影響,本文還研究分析了氣象因素中每日的最高溫度和最低溫度對預測精度的影響。
　　文章最后以MATLAB為平臺進行仿真實驗,實驗分為未考慮氣象因素和考慮氣象因素兩大組進行,每一大組又分為BP神經網絡模型、PCA-BP神經網絡模型、GABP神經網絡模型和PCA-GABP神經網絡模型四個小組進行。仿真結果表明,考慮氣象因素的PCA-GABP神經網絡模型