基于云計算和灰色神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測關(guān)系到電力系統(tǒng)的平穩(wěn)調(diào)度。負(fù)荷預(yù)測的精度直接影響到電力系統(tǒng)的經(jīng)濟性和穩(wěn)定性，智能電網(wǎng)對負(fù)荷預(yù)測的實時性要求也越來越高。因此，國內(nèi)外學(xué)者一直將短期電力負(fù)荷預(yù)測作為研究重點。
　　研究發(fā)現(xiàn)，電力負(fù)荷受眾多因素的影響，其中學(xué)者在研究過程中選取最多的是氣象因素和日期因素。本文選取某地區(qū)的真實負(fù)荷數(shù)據(jù)，對其特性進(jìn)行了分析，并采用垂直和水平數(shù)據(jù)處理方法對負(fù)荷數(shù)據(jù)進(jìn)行了前期的預(yù)處理，利用相似度法分析所有的氣象因素，確定他們是

2、否對電力負(fù)荷有影響，以及影響的大小。
　　人工神經(jīng)網(wǎng)絡(luò)是一種智能算法，其在各種領(lǐng)域都有廣泛的應(yīng)用。近年來專家學(xué)者也將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用到了短期電力負(fù)荷預(yù)測中。在負(fù)荷預(yù)測算法中，使用最多的是BP神經(jīng)網(wǎng)絡(luò)。眾所周知，BP神經(jīng)網(wǎng)絡(luò)是一個靜態(tài)網(wǎng)絡(luò)，而電力負(fù)荷是隨著時間變化而不斷更新的數(shù)據(jù)序列。使用BP神經(jīng)網(wǎng)絡(luò)對電力負(fù)荷預(yù)測過程就可以看成是用靜態(tài)網(wǎng)絡(luò)處理動態(tài)問題的過程，且在實際應(yīng)用中BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小點，其預(yù)測效果沒有預(yù)期的優(yōu)秀。本

3、文舍棄靜態(tài)的BP神經(jīng)網(wǎng)絡(luò)，而是選擇具有動態(tài)遞歸性的Elman神經(jīng)網(wǎng)絡(luò)和對樣本數(shù)據(jù)稀少條件下有優(yōu)秀表現(xiàn)的灰色理論相結(jié)合，提出了灰色Elman神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測算法。針對神經(jīng)網(wǎng)絡(luò)普遍存在將局部最優(yōu)解作為全局最優(yōu)解的缺陷，通過遺傳算法優(yōu)化灰色Elman神經(jīng)網(wǎng)絡(luò)得到最優(yōu)的網(wǎng)絡(luò)初始權(quán)值，利用歷史數(shù)據(jù)驗證表明其效果明顯優(yōu)于Elman神經(jīng)網(wǎng)絡(luò)和未經(jīng)遺傳算法優(yōu)化的灰色Elman神經(jīng)網(wǎng)絡(luò)。
　　近年來電力系統(tǒng)智能化的發(fā)展導(dǎo)致了負(fù)荷數(shù)據(jù)的海量化和高維化