短期電力負荷預測組合模型研究.pdf

1、短期電力負荷預測可為電網(wǎng)合理安排生產(chǎn)計劃、燃料采購計劃、維修計劃提供重要的決策依據(jù)，是電力系統(tǒng)一項非常重要的研究課題。電力負荷預測易受日期類型、天氣因素、重大政治經(jīng)濟事件以及其它一些隨機因素的影響，準確預測有一定的難度。
　　隱馬爾科夫模型（HMM）是一種描述雙隨機過程統(tǒng)計特性的概率模型，具有很強的預測能力，但初始化矩陣的設定對于預測結(jié)果影響較大。本文通過單一變量法分析了模型中參數(shù)設置對訓練精度的影響，提出初始矩陣及觀測狀態(tài)數(shù)的設

2、置原則及基于信息熵的隱狀態(tài)數(shù)優(yōu)化設置方法。論文還通過引入比例因子修正模型訓練算法，解決了迭代運算中的數(shù)據(jù)下溢問題。
　　BP神經(jīng)網(wǎng)絡在短期電力負荷預測中也得到了廣泛應用，并取得很好的效果。BP神經(jīng)網(wǎng)絡具有很強的學習能力，但存在收斂速度慢、易陷入局部最優(yōu)等缺點。本文提出利用改進粒子群算法訓練 BP神經(jīng)網(wǎng)絡，優(yōu)化網(wǎng)絡參數(shù)。在此基礎上，將影響負荷預測的日期類型和溫度因素作為網(wǎng)絡輸入，建立短期電力負荷預測模型。
　　為進一步提高預測

3、準確率，本文還結(jié)合隱馬爾可夫模型和 BP神經(jīng)網(wǎng)絡預測模型，提出基于差分進化算法優(yōu)化權(quán)系數(shù)的短期電力負荷組合預測方法，克服了單一預測方法的不足，得到了性能更穩(wěn)定、精度更高的預測模型。
　　將以上方法應用于陜西渭南市華縣供電局的電力負荷預測上，驗證了方法的有效性和實用性。論文對隱馬爾可夫模型和 BP神經(jīng)網(wǎng)絡預測模型的改進，較大幅度地提升了預測準確度，在此基礎上提出二者相結(jié)合的組合預測方法，進一步提升了預測精度，具有較好的理論意義和應用