基于Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)調(diào)度工作中一項(xiàng)非常重要的內(nèi)容，是電力系統(tǒng)安全、經(jīng)濟(jì)、可靠運(yùn)行的基礎(chǔ)。負(fù)荷預(yù)測的精度直接影響到電力系統(tǒng)的經(jīng)濟(jì)性和穩(wěn)定性。因此，電力系統(tǒng)短期負(fù)荷預(yù)測一直是國內(nèi)外學(xué)者研究的重點(diǎn)方向之一。
　　 研究表明，在眾多負(fù)荷的影響因素中，氣象因素對電力系統(tǒng)負(fù)荷影響最為顯著。本文針對杭州地區(qū)進(jìn)行負(fù)荷特性分析，并對數(shù)據(jù)進(jìn)行了前期處理，采用相似度法探討了各氣象因素對負(fù)荷的影響。
　　 近年來，人工神經(jīng)網(wǎng)絡(luò)作為一種

2、智能算法在電力系統(tǒng)短期負(fù)荷預(yù)測中得到廣泛研究和應(yīng)用。但在應(yīng)用中，主要采用BP神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)作為一種靜態(tài)網(wǎng)絡(luò)，在負(fù)荷預(yù)測過程中易陷入局部最小點(diǎn)，其預(yù)測效果不是很理想。本文提出采用具有動(dòng)態(tài)遞歸性的Elman神經(jīng)網(wǎng)絡(luò)建立電力系統(tǒng)短期負(fù)荷預(yù)測模型，利用歷史數(shù)據(jù)驗(yàn)證表明其效果明顯優(yōu)于BP模型。
　　 考慮到地區(qū)電網(wǎng)負(fù)荷受氣象因素影響較大，本文提出了綜合考慮氣象因子的處理方法。該方法采用綜合氣象因子（人體舒適度和溫濕指數(shù)）作為輸入，

3、克服了氣象因子直接輸入時(shí)輸入量多、預(yù)測時(shí)間長的缺點(diǎn)。同時(shí)，基于學(xué)習(xí)算法、激勵(lì)函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)對模型進(jìn)行改進(jìn)。改進(jìn)后的模型考慮了電網(wǎng)的動(dòng)態(tài)特性，減少了神經(jīng)網(wǎng)絡(luò)輸入量，增強(qiáng)了負(fù)荷預(yù)測模型的適應(yīng)性。采用杭州地區(qū)實(shí)際數(shù)據(jù)對提出的方法和模型進(jìn)行驗(yàn)證，結(jié)果顯示該方法和模型能明顯提高負(fù)荷預(yù)測精度。
　　 針對光伏并網(wǎng)對短期負(fù)荷預(yù)測的影響，本文對光伏發(fā)電量的物理模型和預(yù)測模型進(jìn)行了分析，并建立了光伏發(fā)電量預(yù)測模型。同時(shí)提出來對光伏發(fā)電削峰容量的一