電力系統(tǒng)短期負(fù)荷預(yù)測方法的研究與應(yīng)用.pdf

1、電力行業(yè)是國家社會(huì)經(jīng)濟(jì)發(fā)展中的一個(gè)重要基礎(chǔ)性行業(yè)。短期負(fù)荷預(yù)測是電力系統(tǒng)工作中的一項(xiàng)重要內(nèi)容，對于電網(wǎng)的安全、經(jīng)濟(jì)、穩(wěn)定運(yùn)行有著重要意義。當(dāng)今社會(huì)經(jīng)濟(jì)高速發(fā)展，人們在提升生活質(zhì)量的同時(shí)對環(huán)境氣候造成了很大改變，氣候的變化對負(fù)荷的影響越來越大。電力系統(tǒng)對負(fù)荷預(yù)測的精度和合理性方面提出了更高要求。隨著人工智能技術(shù)的不斷發(fā)展，智能電網(wǎng)已成為電力系統(tǒng)發(fā)展的新方向。將人工智能技術(shù)應(yīng)用在短期負(fù)荷預(yù)測中，來提高預(yù)測的性能，有著十分重要的意義。

2、　　本文以浙江某沿海地區(qū)地級市負(fù)荷為分析對象，對電力系統(tǒng)短期負(fù)荷預(yù)測方法進(jìn)行了研究和分析。
　　首先對該對象的負(fù)荷特性進(jìn)行了分析，發(fā)現(xiàn)負(fù)荷具有內(nèi)在規(guī)律和外在因素兩方面的特征。內(nèi)在規(guī)律總結(jié)出負(fù)荷具有周期性；外在因素是指溫度、濕度、天氣、降水量等氣象因素對負(fù)荷曲線有著不同程度的影響。因此，本文負(fù)荷預(yù)測的輸入?yún)?shù)綜合了周期性相關(guān)的負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)，并對負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行了預(yù)處理，去除掉異常的數(shù)據(jù)并且修補(bǔ)缺失的數(shù)據(jù)，對輸入?yún)?shù)進(jìn)行歸

3、一化處理，為負(fù)荷預(yù)測做好準(zhǔn)備。
　　近年來，人工神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測中廣泛應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)是負(fù)荷預(yù)測的常用方法，作為一種靜態(tài)網(wǎng)絡(luò)，通過自學(xué)習(xí)方法修正權(quán)值來達(dá)到識(shí)別誤差要求，但該方法容易陷入局部極小值。Elman神經(jīng)網(wǎng)絡(luò)是一種遞歸神經(jīng)網(wǎng)絡(luò)，與BP網(wǎng)絡(luò)相比多了一個(gè)反饋環(huán)節(jié)即承接層，能夠儲(chǔ)存記憶隱含層前一時(shí)刻的輸出，可以提高網(wǎng)絡(luò)動(dòng)態(tài)信息的處理能力。T-S模糊神經(jīng)網(wǎng)絡(luò)將神經(jīng)網(wǎng)絡(luò)與模糊控制相結(jié)合，既有對定性知識(shí)表達(dá)的能力，又有良好的學(xué)習(xí)

4、能力。本文分別采用BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)建立了電力系統(tǒng)短期負(fù)荷預(yù)測模型，對分析對象的負(fù)荷數(shù)據(jù)進(jìn)行了預(yù)測，結(jié)果表明在預(yù)測精度上，BP網(wǎng)絡(luò)、Elman網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)三者相比，后者性能要好于前者。
　　針對 T-S模糊控制所具有的連續(xù)函數(shù)映射的能力以及 Elman神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)信息處理的能力，本文提出了一種基于T-S模糊Elman神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測模型。該模型不僅有對定性知識(shí)的表達(dá)能力，又有著遞歸