基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷組合預(yù)測(cè)方法研究.pdf

1、現(xiàn)階段，我國(guó)國(guó)民經(jīng)濟(jì)正在飛躍發(fā)展，人民生活水平越來(lái)越高，這一切發(fā)展和變化都離不開(kāi)電力系統(tǒng)的支撐，可以說(shuō)電力產(chǎn)業(yè)的穩(wěn)定發(fā)展是國(guó)民經(jīng)濟(jì)發(fā)展的重要基石，沒(méi)有先進(jìn)完善的電力系統(tǒng)就沒(méi)有社會(huì)經(jīng)濟(jì)的發(fā)展。作為電力系統(tǒng)中不可或缺的技術(shù)，負(fù)荷預(yù)測(cè)的精確度與電力系統(tǒng)是否穩(wěn)健運(yùn)行息息相關(guān)。另一方面，對(duì)電力廠商來(lái)說(shuō)，負(fù)荷預(yù)測(cè)可以為制定合理電價(jià)，電力實(shí)時(shí)調(diào)度提供重要依據(jù)。但在實(shí)際情況中，負(fù)荷數(shù)據(jù)又受到多方面因素的影響，如天氣情況、人類社會(huì)活動(dòng)、社會(huì)經(jīng)濟(jì)狀況等，這

2、些都作為不確定因素隱藏在負(fù)荷數(shù)據(jù)中，給電力負(fù)荷預(yù)測(cè)增加了許多困難，也正因如此，如何提高負(fù)荷預(yù)測(cè)精確度已成為該領(lǐng)域?qū)W者研究的熱點(diǎn)問(wèn)題。
　　本文首先說(shuō)明了電力負(fù)荷預(yù)測(cè)的選題背景及其對(duì)社會(huì)經(jīng)濟(jì)的重要意義，分析了影響電力負(fù)荷的多方面因素，簡(jiǎn)要論述了電力預(yù)測(cè)分析的基本模型，并介紹了電力負(fù)荷預(yù)測(cè)常用的基本方法。本文重點(diǎn)介紹了幾種簡(jiǎn)單預(yù)測(cè)模型的基本原理，提出了一種新的組合預(yù)測(cè)方法，主要內(nèi)容包括以下幾個(gè)方面：
　　說(shuō)明了為什么必須要在預(yù)測(cè)

3、之前對(duì)負(fù)荷數(shù)據(jù)進(jìn)行降噪等預(yù)處理。應(yīng)用經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)法去除原始數(shù)據(jù)中部分噪音成分，并使用消除季節(jié)指數(shù)的方法來(lái)消除時(shí)間周期性對(duì)電力負(fù)荷的影響。在預(yù)測(cè)之前對(duì)所有數(shù)據(jù)歸一化，以此提高本文所提出的組合模型的預(yù)測(cè)精度。
　　對(duì)神經(jīng)網(wǎng)絡(luò)的基本原理進(jìn)行了系統(tǒng)介紹，詳細(xì)說(shuō)明了三種預(yù)測(cè)方法的原理及其優(yōu)缺點(diǎn)。本文建立了廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)，Elman神經(jīng)網(wǎng)絡(luò)(ENN)和最小二乘支持向量機(jī)(LSSVM)三種預(yù)測(cè)模型，并對(duì)比了三種預(yù)測(cè)方法的

4、不同。LSSVM方法對(duì)數(shù)據(jù)預(yù)測(cè)時(shí)，參數(shù)對(duì)結(jié)果的影響較為明顯，因此本文用粒子群算法PSO將LSSVM的參數(shù)作進(jìn)一步優(yōu)化。最后用模擬退火算法來(lái)優(yōu)化三個(gè)模型預(yù)測(cè)結(jié)果的權(quán)重系數(shù)，以此來(lái)改善組合預(yù)測(cè)模型的預(yù)測(cè)性能，然后輸出最終結(jié)果。
　　本文將預(yù)測(cè)模型用于預(yù)測(cè)澳大利亞QLD州和NSW州的電力負(fù)荷，通過(guò)仿真實(shí)驗(yàn)可以得出，該預(yù)測(cè)模型可以得到良好的預(yù)測(cè)結(jié)果，對(duì)歷史負(fù)荷數(shù)據(jù)有較好的處理能力，且由于仿真對(duì)象為不同地區(qū)不同時(shí)間的負(fù)荷數(shù)據(jù)，也說(shuō)明該組合模