一种改进的短期负荷预测方法.pdfVIP

维普资讯 第 四卷第6期 四川 电力技 术 Vo1．29-No．6 2O06年 l2月 SichuanElectricPowerTcehnology Dee．。2006 一 种改进的短期负荷预测方法 胡启元 (成都电业局，四川成都 610016) 摘 要：采用三层BP型人工神经网络来建立短期负荷预测模型，将影响负荷的主要因素：系统的基本负荷、温度的差 异、天气的改变和 日期的类型(工作 日与节假 日)作为数据样本，进行网络的自我训练和学习，并且在训练和学习的过 程中引入误差反方向传播算法(即BP算法)来修正神经网络的连接权重，从而达到对负荷预测模型的改良和完善，进 一 步贴近实际的负荷变化。同时，将 因电力线路或设备的检修损失的负荷量也作为影响因素进行了考虑，从而得 出 更精确的预测负荷值 在实际的负荷预测算例中，上述的预测思路得到了较好的印证，其预测的精度也较高。 关键词：短期负荷预测；人工神经网络；BP算法 m眦：Three—layerBPartificialneuralnetwork(ANN)isusedtOsetupashort—termloadforecastmode1．Scalemajorfactors sucha8basicload，temperaturedifference，weatherchn-．,Igeanddifferenttypeofday( Icingadyandliday)aleuseda8dataB枷 · pies．111oughthe 一t~ningandse1f—sty#ofthenetwork，BPmethodisintroducedtocerisethe g}nofANNintheprocess ofnainingandstudy．Thusthemodelofloadforecastisimproved．Atthe鼬Imetime，therer,~irlngoflinesandequipmentsinpowcx system isalsoconsidered，andtheexactresultisconcludedduetothisinfluencingfacotr．Inpractice，theaboveforecastmethodis provedtobeprefectanditsprecisi∞isveryhigIltoo． KeyWOldS：short—term loadforecast；artificialneuralnetwork；BPa=I tllm 中图分类号：哪 l4 文献标识码：B 文章编号：1003—6954(2006)06一OO2O一04 电力系统负荷预测的实质是对电力市场的需求 影响，引入了因检修电力设备损失的负荷量进行修 进行预测。是保证电网安全稳定运行、合理编制电网 正，得到最终的预测负荷，从而达到提高短期负荷预 运行方式、做好电网供需平衡的关键性工作，也是 “三 测精度的目的。用实际算例表 明该方法具有较高的 公”(公正、公平、公开)调度和电力市场运营的重要基 预测精度和较好的适应性，提高了电力部门的经济效 础工作。 益和工作效率。 电力系统负荷预测可以分为长期、中期、短期及 超短期负荷预测。短期负荷预测一般是指24h的Et 1 人工神经网络 负荷预测和 168h的周负荷预测。随着电力市场的 进一步发展和完善。短期负荷预测在电力系统的安 近年来，以人工神经网络技术为代表的智能技术 全、经济运行方面的影响将会表现得更加明显。其主 由于其具有很好的非线性映射能力和强大的自学习、 要表现在：对制定电力市场实时电价、结算电量、电力 自适应