基于灰色理論和神經(jīng)網(wǎng)絡的中長期電力負荷預測的研究.pdf

1、電力負荷預測對電力系統(tǒng)的安全經(jīng)濟運行起著重大作用。中長期負荷預測主要為電力系統(tǒng)規(guī)劃部門進行決策提供數(shù)據(jù)支撐。中長期負荷預測的準確性直接影響著電網(wǎng)的改造和擴建的合理性、經(jīng)濟性，對電力行業(yè)的發(fā)展具有深遠的意義。
　　中長期負荷預測由于時間跨度大，且受經(jīng)濟、政策、人口增長等多種宏觀因素的影響，其研究工作存在較大難度。綜合目前已有的中長期預測方法來看，中長期負荷預測技術仍有很大的研究空間，有待于進一步完善。深入分析中長期負荷歷史數(shù)據(jù)的變化

2、規(guī)律，并將影響負荷的主要因素考慮進來，確定適合中長期負荷預測的模型是此課題的重要研究內(nèi)容。
　　本文首先對中長期電力負荷預測這一課題的背景及意義進行了闡述，并且對現(xiàn)在預測技術的發(fā)展態(tài)勢進行了分析。其次主要對電力負荷預測理論進行了詳細敘述，并對影響電力負荷預測的因素進行了探討。鑒于中長期負荷預測的特點與灰色預測非常吻合，本文以灰色模型為基礎對中長期負荷進行預測，并對灰色模型的建模機理進行了深入的研究。在灰色模型的選取方面，本文首先采

3、用了的經(jīng)典的GM(1,1)模型，由于中長期負荷受多種因素影響，本文又采用了考慮相關因素的GM(1,n)模型與GM(0,n)模型，并用灰色關聯(lián)分析法對主要影響因素進行篩選。通過對這三種模型進行深入研究，并對預測結(jié)果進行分析，指出了各個模型的局限性。本文認為負荷實際值與三種模型預測值存在一種函數(shù)關系，由于BP神經(jīng)網(wǎng)絡非線性映射能力強，且具有很好的學習能力，本文采用BP神經(jīng)網(wǎng)絡來擬合這一函數(shù)，以改進預測結(jié)果。通過將三種灰色預測模型與BP神經(jīng)網(wǎng)

4、絡進行特定的組合，本文設計了GM-NNC模型。然后又在GM-NNC模型的基礎上融入了等維新息遞補技術的思想，設計了RGM-NNC模型，它改進了模型歷史數(shù)據(jù)不變的缺點，使新的數(shù)據(jù)能得到充分利用。本文采用Microsoft Visual C++6.0對兩種設計的模型進行編程，通過實例對模型的預測結(jié)果進行驗證，并用MATLAB2010b對結(jié)果進行仿真。結(jié)果表明改進的兩種新型預測模型的預測精度確實得到了明顯提升，適用于中長期負荷預測，具有實際應