人工神经网络在电力系统短期负荷预测中的应用.pdfVIP

上海 电力 2011年第4期 人工神经网络在电力系统短期负荷预测中的应用 茅竹韧 (上海市电力公司 浦东供电公司，上海 200122) 摘 要 ：介绍 了BP神经网络算法 的原理 以及对其采用非线性阻尼最小二乘法 Levenberg-Marquardt进行优 化的方法。采用MATLAB的神经网络工具箱建立了一个单隐层的BP神经网络模型和预测流程，采用 24个 输人人工神经网络模型预测每天的整点负荷，并且讨论 了如何进一步通过改变网络参数以提高负荷预测精 度。实验仿真结果表明，此方法预测短期 电力负荷 ，可 以得到令人满意的训练速度及预测精度 。 关键词：人工神经网络；短期负荷预测；BP算法 ；Levenberg—Marquardt算法 中图分类号 ：TM715 文献标志码 ：B 法——Levenberg—Marquardt算法进行训练 ，提 1 电力负荷预测 高了电力负荷预测的快速性和准确性 ，使其非常 短期负荷预测是指一年之内以月为单位的负 适合于人工神经网络训练。对 中小型网络而言， 荷预测 ，还指以周 、天、小时为单位 的负荷预测 ，通 该算法优势尤其突出。 常预测未来一个月度、未来一周 、未来一天的负荷 以某地区负荷有功功率的数据为背景 ，运用 指标 ，也预测未来一天 24h中的负荷。其意义在 MATLAB7．0神经 网络工具箱进行仿真实验 。 于帮助确定燃料供应计划 ；对运行 中得 电厂 出力 通过调整网络隐层 、输出层的传递函数 ，隐层神经 要求提 出预告，使对发 电机组 出力变化事先得 以 元个数 ，网络训练方法 ，对 L—M 算法的BP(Back 估计 ；可以经济合理地安排本网内各机组的启停 ， Propagation)模型作 了训练速度、预测精度 、推广 降低旋转储备容量 ；可以在保证正常用 电的情况 能力等性能的比较，使该网络精确度较高。但也 下合理安排机组检修计划 。 应该注意到，神经 网络还存在一些 问题 ，如训练样 本文选用神经网络的误差反 向传播 (BP)算 本、网络结构、过拟合 问题等，因此还可以做进一 法预测 电力系统负荷。BP算法可以任意逼近非 步研究 。 线性系统的特性 ，响应快 ，具有 良好的容错性 ，能 2 BP神经网络 很好地对历史 的负荷 曲线进行拟合 。但 由于 BP 算法本身存在容易陷入局部极小值、收敛速度慢、 BP(BackProgagation)神经 网络通常是指基 迭代时间长等一些 固有缺陷，因此影响了BP神 于误差反向传播算法 (BP算法)的多层前 向神经 经网络预测模 型 的精度 。这 里采用改 进 BP 网络。它是 由学者 D．E．Rumelhart和 J．L_ (6)能否增强 FA 的功能，对于零流保护也 威胁越来越大 ，而社会对于供 电可靠性 的需求 能正确动作。目前的出线零流保护与环网柜及箱 却与 日俱增 。将来单一地依靠传统 的配电电网 变内的故障指示器定值不匹配 ，造成对于故障跳 抢修模式必将无法满足越来越突出的用 电需 闸后的出线所有 电缆均需遥测绝缘 ，以确定故障 求 ，FA的完善和升级对于配电电网来说无疑是 点。现在浦东配电电网的大面积电缆化使得用上 增加 了一个 “智能 的大脑”和 “快捷 的双手 ”，不 述方法寻测故障费时费力，如能解决零流保护的