基于神經(jīng)網(wǎng)絡(luò)集成的短期負(fù)荷預(yù)測(cè)方法研究.pdf

1、短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行中一項(xiàng)重要的基本工作，是制定發(fā)電計(jì)劃的依據(jù)。電力市場(chǎng)形勢(shì)下，短期負(fù)荷預(yù)測(cè)對(duì)于電網(wǎng)的經(jīng)濟(jì)運(yùn)行有著重要意義。 人工神經(jīng)網(wǎng)絡(luò)已經(jīng)被應(yīng)用到短期電力負(fù)荷預(yù)測(cè)中來(lái)，較之傳統(tǒng)的預(yù)測(cè)方法預(yù)測(cè)精度有了一定的提高。但是，神經(jīng)網(wǎng)絡(luò)還存在著一些問(wèn)題，如網(wǎng)絡(luò)模型的結(jié)構(gòu)設(shè)定需要經(jīng)過(guò)大量的實(shí)驗(yàn)摸索和一定的先驗(yàn)知識(shí)。由于神經(jīng)網(wǎng)絡(luò)集成彌補(bǔ)了人工神經(jīng)網(wǎng)絡(luò)的上述缺點(diǎn)，因此本文采用神經(jīng)網(wǎng)絡(luò)集成方法來(lái)建立日負(fù)荷預(yù)測(cè)模型，進(jìn)行日負(fù)荷預(yù)測(cè)。

2、 神經(jīng)網(wǎng)絡(luò)集成自提出以來(lái)，無(wú)論是應(yīng)用上還是理論上都有了很大的發(fā)展，涌現(xiàn)了如Boost，Bagging，CVC，EVOL,CELS等集成方法。本文在日負(fù)荷預(yù)測(cè)模型中采用了前三種集成方法。 由于日負(fù)荷具有自身的規(guī)律性，同類(lèi)型日負(fù)荷曲線又非常接近，同時(shí)日負(fù)荷又受到季節(jié)、天氣、節(jié)日等因素的影響，故本文在考慮了上述影響因素的基礎(chǔ)上建立了兩種日負(fù)荷預(yù)測(cè)類(lèi)型。在第一類(lèi)預(yù)測(cè)模型中，分別采用了3和8個(gè)個(gè)體網(wǎng)絡(luò)進(jìn)行集成，實(shí)驗(yàn)結(jié)果表明，無(wú)論3網(wǎng)絡(luò)集成

3、還是8網(wǎng)絡(luò)集成，預(yù)測(cè)精度較之傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)方法都有了明顯的提高，且8網(wǎng)絡(luò)集成比3網(wǎng)絡(luò)集成時(shí)預(yù)測(cè)效果更好。第二類(lèi)預(yù)測(cè)模型考慮了第一類(lèi)模型中負(fù)荷和溫度輸入變量的差異及其對(duì)預(yù)測(cè)效果的影響，將第一類(lèi)預(yù)測(cè)模型中的溫度輸入變量獨(dú)立出來(lái)，由此得到了改進(jìn)的日負(fù)荷預(yù)測(cè)模型：日負(fù)荷歸一化曲線預(yù)測(cè)子模型和日最高最低負(fù)荷預(yù)測(cè)子模型。實(shí)驗(yàn)數(shù)據(jù)表明，采用同樣子網(wǎng)數(shù)目進(jìn)行集成時(shí)，第二類(lèi)預(yù)測(cè)模型能夠取得比第一類(lèi)預(yù)測(cè)模型更好的預(yù)測(cè)效果，并在提高預(yù)測(cè)精度的同時(shí)減少了模型