基于Elman神經網絡的短期負荷預測.pdf

1、電力系統(tǒng)短期負荷預測是電力系統(tǒng)調度工作中一項非常重要的內容，是電力系統(tǒng)安全、經濟、可靠運行的基礎。負荷預測的精度直接影響到電力系統(tǒng)的經濟性和穩(wěn)定性。因此，電力系統(tǒng)短期負荷預測一直是國內外學者研究的重點方向之一。
　　 研究表明，在眾多負荷的影響因素中，氣象因素對電力系統(tǒng)負荷影響最為顯著。本文針對杭州地區(qū)進行負荷特性分析，并對數據進行了前期處理，采用相似度法探討了各氣象因素對負荷的影響。
　　 近年來，人工神經網絡作為一種

2、智能算法在電力系統(tǒng)短期負荷預測中得到廣泛研究和應用。但在應用中，主要采用BP神經網絡，BP神經網絡作為一種靜態(tài)網絡，在負荷預測過程中易陷入局部最小點，其預測效果不是很理想。本文提出采用具有動態(tài)遞歸性的Elman神經網絡建立電力系統(tǒng)短期負荷預測模型，利用歷史數據驗證表明其效果明顯優(yōu)于BP模型。
　　 考慮到地區(qū)電網負荷受氣象因素影響較大，本文提出了綜合考慮氣象因子的處理方法。該方法采用綜合氣象因子（人體舒適度和溫濕指數）作為輸入，

3、克服了氣象因子直接輸入時輸入量多、預測時間長的缺點。同時，基于學習算法、激勵函數和網絡結構對模型進行改進。改進后的模型考慮了電網的動態(tài)特性，減少了神經網絡輸入量，增強了負荷預測模型的適應性。采用杭州地區(qū)實際數據對提出的方法和模型進行驗證，結果顯示該方法和模型能明顯提高負荷預測精度。
　　 針對光伏并網對短期負荷預測的影響，本文對光伏發(fā)電量的物理模型和預測模型進行了分析，并建立了光伏發(fā)電量預測模型。同時提出來對光伏發(fā)電削峰容量的一