電力系統(tǒng)短期負(fù)荷智能化預(yù)測方法研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是電力系統(tǒng)調(diào)度運營部門的一項重要的日常工作，預(yù)測精度的高低直接影響到電力系統(tǒng)運行的安全性、經(jīng)濟性和供電質(zhì)量。由于電力負(fù)荷本身具有一定的不確定性、非線性、隨機性等內(nèi)在特點，負(fù)荷預(yù)測一直是學(xué)術(shù)研究的前沿與熱點問題。隨著電力市場的發(fā)展，負(fù)荷變化規(guī)律的更加復(fù)雜，而傳統(tǒng)的單一預(yù)測方法自適應(yīng)能力較差，致使負(fù)荷預(yù)測的復(fù)雜性與求解方法的局限性之間的矛盾更加突出，預(yù)測不能得到滿意的結(jié)果。因此，智能綜合預(yù)測法的研究成為當(dāng)今負(fù)荷預(yù)測的研究

2、重點之一。
　　 本文針對電力負(fù)荷自身特點，將預(yù)測日分為工作同和節(jié)假日不同類型，考慮氣象，實時電價等影響因素，引入多種智能優(yōu)化計算方法以及綜合預(yù)測技術(shù)，對電力負(fù)荷預(yù)測的理論與方法進(jìn)行深入研究，為電力系統(tǒng)運行管理提供科學(xué)的決策依據(jù)。主要研究工作和創(chuàng)新性成果如下：
　　 (1)分析了負(fù)荷預(yù)測中的影響因素和導(dǎo)致誤差的原因，針對歷史樣本中的壞數(shù)據(jù)，提出了基于核函數(shù)的加權(quán)模糊C均值聚類的改進(jìn)算法—WKFCM，該算法采用一個核誘導(dǎo)距

3、離的簡單兩項和代替了復(fù)雜的歐氏距離作為聚類目標(biāo)公式的不相似性測度函數(shù)，以減小計算復(fù)雜度。在對數(shù)據(jù)進(jìn)行聚類之后，提出采用使用收斂速度快、模式分類能力強的超圓神經(jīng)元網(wǎng)絡(luò)建立壞數(shù)據(jù)辨識修正模型，提高了壞數(shù)據(jù)處理的效果。
　　 (2)對于工作日的負(fù)荷預(yù)測，提出了基于自適應(yīng)策略的改進(jìn)免疫優(yōu)化的激勵函數(shù)可調(diào)的BP學(xué)習(xí)算法負(fù)荷預(yù)測模型。算例證明，本文提出的基于自適應(yīng)策略的改進(jìn)免疫算法和激勵函數(shù)可調(diào)的BP優(yōu)化學(xué)習(xí)算法比基于混沌優(yōu)化的激勵函數(shù)的B

4、P算法更準(zhǔn)確可靠，更具實用價值。
　　 (3)對于節(jié)假日的負(fù)荷預(yù)測，文中將節(jié)假日分為周末休息日和重大節(jié)假日兩類。對于周末休息日，提出基于免疫粒子群優(yōu)化的最小二乘支持向量機(IPSO-LS-SVM)預(yù)測模型。把免疫系統(tǒng)的抗體多樣性保持機制引入到粒子群優(yōu)化算法中，在保留高適應(yīng)度粒子的同時，確保了粒子的多樣性，從而提高了收斂性能。針對元旦、春節(jié)、五一和國慶等節(jié)假日負(fù)荷預(yù)測時間跨度長、可參考的歷史數(shù)據(jù)量少、受氣象因素影響更為突出的特點，

5、提出采用灰色-馬爾可夫鏈模型進(jìn)行負(fù)荷預(yù)測，然后用綜合影響因素匹配模型對預(yù)測結(jié)果進(jìn)行修正，提高了預(yù)測的精度。
　　 (4)對實時電價與短期負(fù)荷的關(guān)系進(jìn)行了相關(guān)分析，提出了粒子群算法優(yōu)化的改進(jìn)廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN-PSO)與自適應(yīng)神經(jīng)模糊系統(tǒng)(ANFIS)的綜合預(yù)測方法，該方法充分利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和非線性映射能力。首先利用粒子群算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法(GRNN-PSO)，然后應(yīng)用ANFIS系統(tǒng)對GRNN-PSO預(yù)測結(jié)