電力系統(tǒng)中短期負(fù)荷預(yù)測的研究.pdf

1、短期負(fù)荷預(yù)測是電力系統(tǒng)運(yùn)行調(diào)度中一項(xiàng)非常重要的內(nèi)容，可以經(jīng)濟(jì)合理地安排電網(wǎng)內(nèi)部發(fā)電機(jī)組的啟停，減少不必要的旋轉(zhuǎn)備用容量，合理安排機(jī)組檢修計(jì)劃，保證社會(huì)的正常生產(chǎn)和生活，提高發(fā)電企業(yè)的經(jīng)濟(jì)效益和社會(huì)效益；中長期負(fù)荷預(yù)測是電力規(guī)劃部門的重要工作之一，可以幫助決定新的發(fā)電機(jī)組的安裝與電網(wǎng)的規(guī)劃、增容和改建。 針對(duì)電力系統(tǒng)中短期負(fù)荷預(yù)測問題，本文對(duì)負(fù)荷的組成和特性、負(fù)荷預(yù)測的方法進(jìn)行了詳細(xì)的分析和研究，利用Matlab軟件進(jìn)行算法研究，

2、建立了中期負(fù)荷預(yù)測模型和短期負(fù)荷預(yù)測模型。 采用灰色理論方法進(jìn)行中期負(fù)荷預(yù)測。利用累加生成將看似雜亂無章的歷史負(fù)荷數(shù)據(jù)列生成具有指數(shù)規(guī)律的數(shù)據(jù)列，對(duì)生成的數(shù)據(jù)列建立一階線性微分方程模型，求解方程再進(jìn)行累減生成得到預(yù)測值，在預(yù)測的過程中對(duì)灰色模型進(jìn)行優(yōu)化，在不改變?cè)紨?shù)列維數(shù)的條件下，用預(yù)測數(shù)據(jù)代替最老的數(shù)據(jù)，實(shí)現(xiàn)了月負(fù)荷預(yù)測的滾動(dòng)預(yù)測。經(jīng)過實(shí)例驗(yàn)證，該模型所需數(shù)據(jù)少，預(yù)測精度高。 采用遺傳神經(jīng)網(wǎng)絡(luò)方法進(jìn)行短期負(fù)荷預(yù)測。提

3、出用自回歸分析方法選取網(wǎng)絡(luò)輸入變量，用徑向基函數(shù)作為隱含層激勵(lì)，并采用自適應(yīng)遺傳算法優(yōu)化隱含層和輸出層的連接權(quán)值，避免了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值確定的盲目性，使負(fù)荷預(yù)測在更加合理的網(wǎng)絡(luò)結(jié)構(gòu)上進(jìn)行。在此基礎(chǔ)上將對(duì)負(fù)荷影響很大的天氣因素歸一化后引入神經(jīng)網(wǎng)絡(luò)輸入層，使得預(yù)測更加合理，更能適用于一般情況。通過實(shí)例驗(yàn)證并對(duì)比時(shí)間序列方法和支持向量機(jī)方法，證明了遺傳神經(jīng)網(wǎng)絡(luò)方法能顯著提高預(yù)測精度。 基于上述研究結(jié)果，本文采用Visual Basi