基于云計算和灰色神經網絡的短期電力負荷預測.pdf

1、電力系統(tǒng)短期負荷預測關系到電力系統(tǒng)的平穩(wěn)調度。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，智能電網對負荷預測的實時性要求也越來越高。因此，國內外學者一直將短期電力負荷預測作為研究重點。
　　研究發(fā)現(xiàn)，電力負荷受眾多因素的影響，其中學者在研究過程中選取最多的是氣象因素和日期因素。本文選取某地區(qū)的真實負荷數(shù)據(jù)，對其特性進行了分析，并采用垂直和水平數(shù)據(jù)處理方法對負荷數(shù)據(jù)進行了前期的預處理，利用相似度法分析所有的氣象因素，確定他們是

2、否對電力負荷有影響，以及影響的大小。
　　人工神經網絡是一種智能算法，其在各種領域都有廣泛的應用。近年來專家學者也將人工神經網絡應用到了短期電力負荷預測中。在負荷預測算法中，使用最多的是BP神經網絡。眾所周知，BP神經網絡是一個靜態(tài)網絡，而電力負荷是隨著時間變化而不斷更新的數(shù)據(jù)序列。使用BP神經網絡對電力負荷預測過程就可以看成是用靜態(tài)網絡處理動態(tài)問題的過程，且在實際應用中BP神經網絡容易陷入局部最小點，其預測效果沒有預期的優(yōu)秀。本

3、文舍棄靜態(tài)的BP神經網絡，而是選擇具有動態(tài)遞歸性的Elman神經網絡和對樣本數(shù)據(jù)稀少條件下有優(yōu)秀表現(xiàn)的灰色理論相結合，提出了灰色Elman神經網絡負荷預測算法。針對神經網絡普遍存在將局部最優(yōu)解作為全局最優(yōu)解的缺陷，通過遺傳算法優(yōu)化灰色Elman神經網絡得到最優(yōu)的網絡初始權值，利用歷史數(shù)據(jù)驗證表明其效果明顯優(yōu)于Elman神經網絡和未經遺傳算法優(yōu)化的灰色Elman神經網絡。
　　近年來電力系統(tǒng)智能化的發(fā)展導致了負荷數(shù)據(jù)的海量化和高維化