基于主成分分析法的遺傳神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測的研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是電力生產(chǎn)部門的重要工作之一,它主要用于預(yù)報未來幾小時、一天至幾天的電力負(fù)荷。精準(zhǔn)的短期負(fù)荷預(yù)測結(jié)果對電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性和供電質(zhì)量有著重要的保障作用,利用該結(jié)果可以經(jīng)濟(jì)合理地安排機(jī)組啟停以減少旋轉(zhuǎn)備用容量,可以合理地安排檢修計劃以降低發(fā)電成本、提高經(jīng)濟(jì)效益。
　　短期負(fù)荷預(yù)測的方法有很多,其中BP神經(jīng)網(wǎng)絡(luò)技術(shù)是較為先進(jìn)的預(yù)測方法。它能夠通過自組織和自適應(yīng)功能大規(guī)模處理各種包含非線性信息的復(fù)雜系統(tǒng),但是

2、傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)具有訓(xùn)練速度慢和對初始權(quán)值敏感以致容易陷入局部極小點(diǎn)的兩個主要缺陷。本文針對此缺陷,在對BP神經(jīng)網(wǎng)絡(luò)展開分析與研究的基礎(chǔ)上,提出了基于主成分分析法的遺傳神經(jīng)網(wǎng)絡(luò)(PCA-GABP神經(jīng)網(wǎng)絡(luò))模型,利用主成分分析法對負(fù)荷數(shù)據(jù)樣本進(jìn)行降維處理,達(dá)到去除數(shù)據(jù)間的相關(guān)性、刪除其中的部分冗余信息、減少網(wǎng)絡(luò)的輸入量的目的,克服神經(jīng)網(wǎng)絡(luò)其收斂速度慢的缺陷。同時,將改進(jìn)的遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,利用遺傳算法的全局搜索性能決定BP神經(jīng)

3、網(wǎng)絡(luò)的權(quán)值閾值,有效克服BP算法的局部收斂問題。由于氣象因素對短期負(fù)荷預(yù)測精度有很大的影響,本文還研究分析了氣象因素中每日的最高溫度和最低溫度對預(yù)測精度的影響。
　　文章最后以MATLAB為平臺進(jìn)行仿真實(shí)驗,實(shí)驗分為未考慮氣象因素和考慮氣象因素兩大組進(jìn)行,每一大組又分為BP神經(jīng)網(wǎng)絡(luò)模型、PCA-BP神經(jīng)網(wǎng)絡(luò)模型、GABP神經(jīng)網(wǎng)絡(luò)模型和PCA-GABP神經(jīng)網(wǎng)絡(luò)模型四個小組進(jìn)行。仿真結(jié)果表明,考慮氣象因素的PCA-GABP神經(jīng)網(wǎng)絡(luò)模型