基于神經網絡集成的短期負荷預測方法研究.pdf

1、短期負荷預測是電力系統(tǒng)運行中一項重要的基本工作，是制定發(fā)電計劃的依據。電力市場形勢下，短期負荷預測對于電網的經濟運行有著重要意義。 人工神經網絡已經被應用到短期電力負荷預測中來，較之傳統(tǒng)的預測方法預測精度有了一定的提高。但是，神經網絡還存在著一些問題，如網絡模型的結構設定需要經過大量的實驗摸索和一定的先驗知識。由于神經網絡集成彌補了人工神經網絡的上述缺點，因此本文采用神經網絡集成方法來建立日負荷預測模型，進行日負荷預測。

2、 神經網絡集成自提出以來，無論是應用上還是理論上都有了很大的發(fā)展，涌現了如Boost，Bagging，CVC，EVOL,CELS等集成方法。本文在日負荷預測模型中采用了前三種集成方法。 由于日負荷具有自身的規(guī)律性，同類型日負荷曲線又非常接近，同時日負荷又受到季節(jié)、天氣、節(jié)日等因素的影響，故本文在考慮了上述影響因素的基礎上建立了兩種日負荷預測類型。在第一類預測模型中，分別采用了3和8個個體網絡進行集成，實驗結果表明，無論3網絡集成

3、還是8網絡集成，預測精度較之傳統(tǒng)人工神經網絡方法都有了明顯的提高，且8網絡集成比3網絡集成時預測效果更好。第二類預測模型考慮了第一類模型中負荷和溫度輸入變量的差異及其對預測效果的影響，將第一類預測模型中的溫度輸入變量獨立出來，由此得到了改進的日負荷預測模型：日負荷歸一化曲線預測子模型和日最高最低負荷預測子模型。實驗數據表明，采用同樣子網數目進行集成時，第二類預測模型能夠取得比第一類預測模型更好的預測效果，并在提高預測精度的同時減少了模型