基于级联神经网络的短期电力负荷预测.pdf

维普资讯 Vo1．31No6 湖 北 电 力 200箜7年!1鲞2月箜(卷塑终) Dec．2007 基于级联神经网络的短期 电力负荷预测 秦 昌平 (武汉电力职业技术学院，武汉 430079) [摘 要] 文章基于神经网络理论，针对武汉地 区电力 负荷 曲线的特点 ，提 出了采用级联神经网 络进行电力 负荷预测的模型，实例计算表明，该方法具有较 高的预测精度和较强的适应能力。 [关键词] 电力负荷预测 ；人工神经网络 ；级联模型 [中图分类号]TM727 [文献标识码]A [文章编号]1006-3986(2007)06~005-03 TheShortTerm PowerLoadForecastingBased onthe CascadeNeuralNetwork QINChang—ping (WuhanElectricPowerTechnicalCollege，Wuhan430079，China) [Abstract]Basedontheneuralnetworktheory，consideringthecharactristicsofpowerloadcurveinWuhan， aCascadeNeuralNetwork，loadforecastingmethodisproposedinthispaper．Thecalculationofanexamplein— dicatesadaptabilitythatthemethodhasthehighforecastprecisionandthestrongeradaptability． [Keywords]powerload~recasting；artificialneuralnetwork；cascadedmodel 在于它具有模拟多变量而不需要对输入变量做复杂 1 概述 的相关假定的能力。它不依靠专家的经验 ，只利用 电力系统负荷短期预测问题的解决办法和方式 观察到的数据，可以从训练过程中通过学习来抽取 可以分为统计技术、专家系统法和神经网络法等 3 和逼近隐含 的输入 ／输 出之 间的非线性关系。近年 种 。 来的研究表 明，相对于前两种方法，利用神经网络技 统计技术 中所用的短期负荷模型一般可归为时 术进行 电力系统短期负荷预报可获得更高的精度。 间系列模型和回归模型。时间系列模型的缺点在于 2 电力负荷 曲线特点分析 不能充分利用对负荷性能有很大影响的气候信息和 其它因素，导致 了预报 的不准确和结果的不稳定 。 图 1和图2是武汉地区电力负荷实际曲线图， 回归模型虽然考虑 了气象信息等因素 ，但需要事先 也是本文所研究的对象。 知道负荷与气象变量之间的函数关系，这是 比较困 ／l0_w 难的。而且为了获得 比较精确的预报结果 ，需要大 量的计算 ，这一方法不能处理气候变量与负荷之间 的非平衡暂态关系。 专家系统法利用了专家的经验知识和推理规 则 ，使节假 日或有重大活动的 日子 的负荷预报精度 得到了提高。但是 ，把专家知识和经验等准确地转 日■ 2．272箍 3．I 3．2 3，3 3● 35 羔6 37 30 9 3IO3儿 3I23I3 化为一系列规则是非常不容易的