基于神經(jīng)網(wǎng)絡(luò)的沈陽(yáng)地區(qū)短期負(fù)荷預(yù)測(cè).pdf

1、短期電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行調(diào)度中一項(xiàng)非常重要的內(nèi)容，它是保證電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行和實(shí)現(xiàn)電網(wǎng)科學(xué)管理及調(diào)度的重要方面，是能量管理系統(tǒng)(EMS)的組成部分，也是今后進(jìn)行電網(wǎng)商業(yè)化運(yùn)營(yíng)所必需的基本內(nèi)容。本文分析了電力系統(tǒng)負(fù)荷的組成、特點(diǎn)，進(jìn)一步闡述了當(dāng)今多種電力負(fù)荷預(yù)測(cè)方法的差異、優(yōu)缺點(diǎn)，同時(shí)對(duì)沈陽(yáng)地區(qū)現(xiàn)有的負(fù)荷預(yù)測(cè)方法進(jìn)行了綜述，并指出其弊端。通過(guò)對(duì)沈陽(yáng)地區(qū)負(fù)荷歷史數(shù)據(jù)及特點(diǎn)的研究，分析影響預(yù)測(cè)準(zhǔn)確性的因素，并利用日常負(fù)荷與氣象條件的關(guān)

2、系，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法。對(duì)于負(fù)荷預(yù)處理，本文采用聚類分析的方法進(jìn)行壞數(shù)據(jù)檢測(cè)和修正。此外，采用決策樹分類方法(CART算法)剔除無(wú)關(guān)變量，有效減少了系統(tǒng)需要優(yōu)化調(diào)整的參數(shù)數(shù)量。本論文對(duì)不同類型的負(fù)荷曲線分成工作日、周末日和節(jié)假日三種類型的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；為了增強(qiáng)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度和準(zhǔn)確性，將日負(fù)荷模型分段，選擇出與預(yù)測(cè)日負(fù)荷相關(guān)的輸入變量。此外，為了加速神經(jīng)網(wǎng)絡(luò)的收斂，本文運(yùn)用了分層線性優(yōu)化算法。通過(guò)歷史負(fù)荷數(shù)據(jù)的訓(xùn)