基于改进型Elman神经网络短期电力负荷预测.pdfVIP

ELECTRIC POWER ICT 中图分类号：TP393　　文献标志码：B　　文章编号：2095-641X(2014)02-0039-05 基于改进型 Elman 神经网络的 短期电力负荷预测 余 向前 1 ，路 民辉 1 ，任琳杰2 ，梁颖2 （1. 国网甘肃省电力公司 ，甘肃 兰州 730030 ；2. 天水供 电公司 ，甘肃 天水 74 1000 ） 摘要：精确 的短期 电力负荷预测对 电力系统 的生产调度和安全稳定运行起到十分重要的作用。为提 高短期 电力负荷预测模型 的精度 ，提 出了一种基于 Elman 神经 网络的改进模型。通过在输 出层和 隐 含层之间扩展一个新的承接层 ，增强了 Elman 神经 网络的动态信息处理能力。仿真结果表明 ，改进型 Elman 神经 网络预测模型的预测精度要高于反 向传播、支持 向量机和常规 Elman ，同时也说明了建立 改进型 Elman 模型用于短期 电力负荷预测是可行的。 关键词：电力负荷；短期预测；改进型 Elman 神经网络；预测精度 技 术 研 究 与 应 用 难 以确定 等 缺 点 ，同时其 对 具 有 随机性 特 征 的 电力 0　引言 负荷 而言 ，缺乏精确 的数据筛选及处理能力 ，而短期 电力 负荷 预测 主要 分 超 短 期 负荷 预测 、短 期 负 电力 负荷 就是 一个 非 线 性 、受诸 多 因素影 响 的动态 荷预测 、中长期 负荷预测 和长期 负荷预测 ，短期 负荷 不 确 定 过 程 。径 向基 函数 （Radial Basis Function ， 预测 主要 用 于预测 未来 几 小 时、一 天甚 至几 天 的负 RBF ）神经 网络具有 比较好 的 自学 习能力 和非线性 ， 荷 ，对 电力 系统 安 全 经 济 运 行 具 有 重要 的意义 。 由 收敛 速度 快并 且 简单 易行 ，其 缺 点是 获取 数 据 成 本 于 电力 负荷 的变化 主要 依 赖 于生产 生 活 的规 律 性 ， 较 高 ，数据 中往往包含 噪声 ，可靠性较差 。Elman 神 并受气象 、节假 日的影 响 ，负荷 曲线往往 随时 间呈波 经 网络属 于动态 反 馈 型神 经 网络 的一 种 ，通 过存 储 动性变化 [1] ，通过建立带有若 干参数 的数学模 型求取 的 内部 状 态使 其 具 备 映射 动态 特 征 的功 能 ，进 而使 精 确 数 值 的方 法并 不 可取 。 目前 ，短期 负荷 预测 主 得 系统具 有 适 应 时变 特性 的能力 ，对 时 间序 列模 型 要 采 用 时 间序 列 回归法 [2] 、支 持 向量 机 [3] 、人 工 神 经 具有 良好 的适应性 。因此 ，本文 以某城市 6 1 天 的电 网络预测法 [4-5] 及复合预测法 [6] 。 力 负荷 数 据 为对 象 ，建 立 具 有 输 出层 反 馈 和承接层 由于