基于神經(jīng)網(wǎng)絡(luò)的短期電力負荷組合預(yù)測方法研究.pdf

1、現(xiàn)階段，我國國民經(jīng)濟正在飛躍發(fā)展，人民生活水平越來越高，這一切發(fā)展和變化都離不開電力系統(tǒng)的支撐，可以說電力產(chǎn)業(yè)的穩(wěn)定發(fā)展是國民經(jīng)濟發(fā)展的重要基石，沒有先進完善的電力系統(tǒng)就沒有社會經(jīng)濟的發(fā)展。作為電力系統(tǒng)中不可或缺的技術(shù)，負荷預(yù)測的精確度與電力系統(tǒng)是否穩(wěn)健運行息息相關(guān)。另一方面，對電力廠商來說，負荷預(yù)測可以為制定合理電價，電力實時調(diào)度提供重要依據(jù)。但在實際情況中，負荷數(shù)據(jù)又受到多方面因素的影響，如天氣情況、人類社會活動、社會經(jīng)濟狀況等，這

2、些都作為不確定因素隱藏在負荷數(shù)據(jù)中，給電力負荷預(yù)測增加了許多困難，也正因如此，如何提高負荷預(yù)測精確度已成為該領(lǐng)域?qū)W者研究的熱點問題。
　　本文首先說明了電力負荷預(yù)測的選題背景及其對社會經(jīng)濟的重要意義，分析了影響電力負荷的多方面因素，簡要論述了電力預(yù)測分析的基本模型，并介紹了電力負荷預(yù)測常用的基本方法。本文重點介紹了幾種簡單預(yù)測模型的基本原理，提出了一種新的組合預(yù)測方法，主要內(nèi)容包括以下幾個方面：
　　說明了為什么必須要在預(yù)測

3、之前對負荷數(shù)據(jù)進行降噪等預(yù)處理。應(yīng)用經(jīng)驗?zāi)Ｊ椒纸?EMD)法去除原始數(shù)據(jù)中部分噪音成分，并使用消除季節(jié)指數(shù)的方法來消除時間周期性對電力負荷的影響。在預(yù)測之前對所有數(shù)據(jù)歸一化，以此提高本文所提出的組合模型的預(yù)測精度。
　　對神經(jīng)網(wǎng)絡(luò)的基本原理進行了系統(tǒng)介紹，詳細說明了三種預(yù)測方法的原理及其優(yōu)缺點。本文建立了廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)，Elman神經(jīng)網(wǎng)絡(luò)(ENN)和最小二乘支持向量機(LSSVM)三種預(yù)測模型，并對比了三種預(yù)測方法的

4、不同。LSSVM方法對數(shù)據(jù)預(yù)測時，參數(shù)對結(jié)果的影響較為明顯，因此本文用粒子群算法PSO將LSSVM的參數(shù)作進一步優(yōu)化。最后用模擬退火算法來優(yōu)化三個模型預(yù)測結(jié)果的權(quán)重系數(shù)，以此來改善組合預(yù)測模型的預(yù)測性能，然后輸出最終結(jié)果。
　　本文將預(yù)測模型用于預(yù)測澳大利亞QLD州和NSW州的電力負荷，通過仿真實驗可以得出，該預(yù)測模型可以得到良好的預(yù)測結(jié)果，對歷史負荷數(shù)據(jù)有較好的處理能力，且由于仿真對象為不同地區(qū)不同時間的負荷數(shù)據(jù)，也說明該組合模