電力系統短期負荷預測方法的研究與應用.pdf

1、電力行業是國家社會經濟發展中的一個重要基礎性行業。短期負荷預測是電力系統工作中的一項重要內容，對于電網的安全、經濟、穩定運行有著重要意義。當今社會經濟高速發展，人們在提升生活質量的同時對環境氣候造成了很大改變，氣候的變化對負荷的影響越來越大。電力系統對負荷預測的精度和合理性方面提出了更高要求。隨著人工智能技術的不斷發展，智能電網已成為電力系統發展的新方向。將人工智能技術應用在短期負荷預測中，來提高預測的性能，有著十分重要的意義。

2、　　本文以浙江某沿海地區地級市負荷為分析對象，對電力系統短期負荷預測方法進行了研究和分析。
　　首先對該對象的負荷特性進行了分析，發現負荷具有內在規律和外在因素兩方面的特征。內在規律總結出負荷具有周期性；外在因素是指溫度、濕度、天氣、降水量等氣象因素對負荷曲線有著不同程度的影響。因此，本文負荷預測的輸入參數綜合了周期性相關的負荷數據和氣象數據，并對負荷數據和氣象數據進行了預處理，去除掉異常的數據并且修補缺失的數據，對輸入參數進行歸

3、一化處理，為負荷預測做好準備。
　　近年來，人工神經網絡在短期負荷預測中廣泛應用。BP神經網絡是負荷預測的常用方法，作為一種靜態網絡，通過自學習方法修正權值來達到識別誤差要求，但該方法容易陷入局部極小值。Elman神經網絡是一種遞歸神經網絡，與BP網絡相比多了一個反饋環節即承接層，能夠儲存記憶隱含層前一時刻的輸出，可以提高網絡動態信息的處理能力。T-S模糊神經網絡將神經網絡與模糊控制相結合，既有對定性知識表達的能力，又有良好的學習

4、能力。本文分別采用BP神經網絡、Elman神經網絡和模糊神經網絡建立了電力系統短期負荷預測模型，對分析對象的負荷數據進行了預測，結果表明在預測精度上，BP網絡、Elman網絡和模糊神經網絡三者相比，后者性能要好于前者。
　　針對 T-S模糊控制所具有的連續函數映射的能力以及 Elman神經網絡的動態信息處理的能力，本文提出了一種基于T-S模糊Elman神經網絡的電力系統短期負荷預測模型。該模型不僅有對定性知識的表達能力，又有著遞歸