基于人工智能的電力負(fù)荷預(yù)測.pdf

1、電力負(fù)荷預(yù)測水平已成為衡量電力系統(tǒng)運(yùn)行管理現(xiàn)代化的標(biāo)志之一.它是制定發(fā)電計(jì)劃和輸電方案的主要依據(jù)，對(duì)合理安排機(jī)組啟停、確定燃料供應(yīng)計(jì)劃、進(jìn)行能量交易等具有重要意義，其預(yù)測精度的高低直接影響到電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性.隨著電力系統(tǒng)市場化的不斷深入，短期負(fù)荷預(yù)測在電力系統(tǒng)中顯得更加重要，尤其是準(zhǔn)確的短期負(fù)荷預(yù)測更是具有重要的意義. 本文以改進(jìn)電力負(fù)荷預(yù)測歷史數(shù)據(jù)的準(zhǔn)確度和相關(guān)性，以提高電力負(fù)荷預(yù)測的準(zhǔn)確性為目的.探討了電力負(fù)荷預(yù)

2、測研究現(xiàn)狀及發(fā)展趨勢，對(duì)電力負(fù)荷預(yù)測的各種傳統(tǒng)及現(xiàn)代方法進(jìn)行了綜述，并著重分析各種方法的特點(diǎn)，討論了電力負(fù)荷的特性以及影響負(fù)荷的相關(guān)因素.同時(shí)研究了電力負(fù)荷預(yù)測的現(xiàn)狀和存在問題，并在此基礎(chǔ)上進(jìn)行系統(tǒng)深入的研究. 在對(duì)支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)和小波分析理論進(jìn)行重點(diǎn)研究的基礎(chǔ)上，針對(duì)電力系統(tǒng)短期負(fù)荷預(yù)測的特點(diǎn)，本文提出基于相似日小波支持向量機(jī)的負(fù)荷預(yù)測模型，該模型綜合了電力負(fù)荷本身具有的相似性、小波變換良好的時(shí)頻局域化性質(zhì)和支持向量

3、機(jī)的學(xué)習(xí)能力，提高了模型的泛化能力和系統(tǒng)的預(yù)測精度.由于粒子優(yōu)化算法具有較快的訓(xùn)練速度和收斂速度.并且粒子優(yōu)化算法需要調(diào)整的參數(shù)較少，參數(shù)調(diào)整簡單且具有直觀的意義.同時(shí)，考慮模擬退火算法能概率性跳出局部最優(yōu)并最終趨于全局最優(yōu)解的特性.本文利用粒子優(yōu)化算法和模擬退火算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，提高神經(jīng)網(wǎng)絡(luò)的收斂速度.將此神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于電力負(fù)荷預(yù)測.結(jié)果表明該模型是可行而實(shí)用的，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比，具有更快的收斂速度，更高的預(yù)測精度，能