基于曲線擬合原理的負(fù)荷預(yù)測(cè)研究.pdf

1、隨著科技與經(jīng)濟(jì)的快速發(fā)展，電力生產(chǎn)部門可以借助準(zhǔn)確的負(fù)荷預(yù)測(cè)，對(duì)機(jī)組進(jìn)行經(jīng)濟(jì)合理地啟停，并以此制定更合理規(guī)范的檢修計(jì)劃，從而減少負(fù)荷備用容量，降低發(fā)電成本，達(dá)到提高經(jīng)濟(jì)效益的目的。研究具有精度高且實(shí)用性強(qiáng)的負(fù)荷預(yù)測(cè)方法對(duì)于電力的市場(chǎng)化及智能電網(wǎng)的發(fā)展是非常必要的。
　　為了進(jìn)一步改善中長(zhǎng)期負(fù)荷預(yù)測(cè)的預(yù)測(cè)效果，論文主要研究了以下內(nèi)容：
　?。?）介紹了三種多項(xiàng)式擬合模型。分別介紹了代數(shù)多項(xiàng)式，切比雪夫多項(xiàng)式和雷讓德多項(xiàng)式。三種

2、多項(xiàng)式都廣泛適用于曲線擬合和數(shù)值分析。其中，代數(shù)多項(xiàng)式屬于非正交多項(xiàng)式，而切比雪夫多項(xiàng)式和雷讓德多項(xiàng)式屬于正交多項(xiàng)式，也因?yàn)檫@兩種多項(xiàng)式的優(yōu)良性質(zhì)，相比代數(shù)多項(xiàng)式更適用于曲線擬合和其他應(yīng)用。
　?。?）對(duì)目前使用最廣泛的三種算法—梯度下降法、共軛梯度法和梯度最小二乘法—進(jìn)行了對(duì)比分析。分析這三種算法的性質(zhì)可知，梯度下降法取負(fù)梯度方向?yàn)樗阉鞣较?，該法程序?jiǎn)單，每次迭代的計(jì)算量少，節(jié)省了存儲(chǔ)空間，對(duì)于不太好的初始點(diǎn)也能收斂。但它的收斂

3、速度呈線性化，收斂速度受到很大限制。共軛梯度方法常常用來解決大規(guī)模的非線性優(yōu)化問題。該方法僅需利用目標(biāo)函數(shù)值和梯度函數(shù)值，卻避免了梯度下降方法收斂速度慢的問題。另外，它還具有無矩陣的存儲(chǔ)以及二次終止性等優(yōu)點(diǎn)。但是共軛梯度法的收斂性取決于步長(zhǎng)因子α有一個(gè)良好的取值，若步長(zhǎng)因子α取值不當(dāng)，算法有可能根本不收斂或是收斂到一個(gè)無法運(yùn)行的解點(diǎn)上。該方法通過遞推最小二乘法訓(xùn)練權(quán)值系數(shù)，并對(duì)歷史數(shù)據(jù)進(jìn)行擬合以實(shí)現(xiàn)預(yù)測(cè)模型的參數(shù)估計(jì)。而遞推最小二乘法具

4、有算法簡(jiǎn)單、易于實(shí)現(xiàn)等特點(diǎn)，因此被廣泛應(yīng)用。
　　（3）提出一種基于 Chebyshev多項(xiàng)式的預(yù)測(cè)方法。該方法使用遞推最小二乘法訓(xùn)練神經(jīng)網(wǎng)絡(luò)權(quán)值系數(shù)，以獲得高精度的參數(shù)估計(jì)，從而實(shí)現(xiàn)Chebyshev多項(xiàng)式模型對(duì)負(fù)荷量的最優(yōu)擬合，再利用訓(xùn)練好的切比雪夫多項(xiàng)式模型實(shí)現(xiàn)中長(zhǎng)期負(fù)荷預(yù)測(cè)。
　　仿真結(jié)果表明，該方法能較好模擬負(fù)荷的變化規(guī)律，預(yù)測(cè)結(jié)果提高了一個(gè)數(shù)量級(jí)，具有一定的中長(zhǎng)期負(fù)荷預(yù)測(cè)能力。另外，通過仿真實(shí)例也可看出，改用La