基于小波包负荷特征提取和径向基网络的短期负荷预测新方法.pdf

维普资讯 第22卷第 2期 电 力 科 学 与 技 术 学 报 Vo1．22 No．2 2007年 6月 JOURNAL 0FEIECTRICPOWER SCIENCEAND TECHNOLOGY Jun． 20 0 7 基于小波包负荷特征提取和径向基网络的 短期负荷预测新方法 姜竹楠，刘 峰，于文波 (沈阳工程学院 电气工程系，辽宁沈阳 l10136) 摘 要 ：准确的负荷预测是电力系统做出合理调度的重要依据．提出基于小波包能量和神经网络理论的短期负荷 预测新方法，将负荷序列进行小波包分解，提取小波包能量作为径向基神经网络负荷序列的输入特征量．大量的预 测实例分析表明，所提出的预测方法具有稳定性和准确性． 关 键 词 ：小波包能量；径向基神经网络；特征量提取；支持向量机；负荷预测 中图分类号：TM715 文献标识码 ：A 文章编号：1673-9140(2007)02-0034-05 A novelmethodofshort-timeload forecastingbasedonwaveletpacket featureextractingandradialbasisfunction network JIANG Zhu-Ball，LIU Feng，YUWen-bo (DepartmentofElectricalEngineering，ShenyangInstituteofEngineering，Shenyang110136，China) Abstract：Accurateloadforecastingisthebasisofpowersystem dispatching．A novelmehtodshort—time loadforecastingbasedonwaveletpacketfeatureextractingandRadialBasisFunction(RBF)neuralnet- workisproposedinhtispaper．LDadseriesisdecomposedwiht waveletpacketnadhtewaveletpacketen- ergyisexrtactedas hteinputfeaturevectorsofRBF neuralnetwork．Resultsoflargenumbers ofload forecastingcasesshowhtathtismehtodisstableandfairlyaccurate． Keywords：waveletpacketenergy；RBFneuralnetwork；feautre vectorsexrtacting；SVM ；loadforecasting 国内外学者对负荷预测进行了深入的研究，提 素 。引·，以及如何选择相似 日等进行负荷预测 等． 出了很多预测方法 ．目前的负荷预测多注重各 实际上，影响负荷预测精度最主要的因素是预测 日 种方法 的综合使用和考虑各种负荷影 响的因 前的已知负荷及气温因数 刚．因此，很多文献直接 收稿 日期：2006—12—10 作者简介：姜竹楠(1978一)，女，硕士研究生，主要从事电力系统及其自动化研究 维普资讯 第22卷第2期 姜竹楠，等：基于小波包负荷特征提取和径向基网络的短期负荷预测新方法 35 利用预测 日前的已知负荷