基于多級小波神經網絡的超短期電力負荷預測.pdf

1、超短期負荷預測是在五分鐘內預測未來一個小時的負荷情況，每五分鐘執(zhí)行一次實時預測。為了確定預測的準確性，在預測過程中設置實時的置信區(qū)間。小相關的置信區(qū)間超短期負荷預測對于一個區(qū)域的調度部門來說是相當重要的，可以幫助調度進一步作出最優(yōu)的決定。
　　本文提出了一種混合卡爾曼算法訓練的多級小波神經網絡的方法。在實際預測超短期負荷還是有很多難點。在很多有效的模型中不能實現(xiàn)在不同的頻率捕捉到復雜的負載特性。所以需要對負載分量進行數據預處理，即

2、進行適當的轉換，并通過相關數學的推導，來得到較準確的方差，在預測中加以應用。預測方法的關鍵思想是使用由擴展卡爾曼濾波器低頻分量訓練神經網絡，并使用由無跡卡爾曼濾波器高頻分量訓練的神經網絡。因為擴展卡爾曼濾波算法具有近似線性的輸入輸出函數關系，十分適用于具有線性相關的低頻分量，而無跡卡爾曼濾波算法具有非線性輸入輸出功能關系，適用于高度非線性化的高頻分量。然后從各個網絡預測轉換結合，并形成最終的負載預測的最佳置信區(qū)間。數值實驗可以看出，在混