基于BP神经网络的电力系统负荷预测研究.pdfVIP

Q Q：Z Science and Tethnology Innovation Herald 一 工 程 技 术 基于BP神经羼络韵电力系统负蘅预悯 究① 王智迪 (湖南省岳阳县电力局 湖南岳阳 41410O) 摘 要：通过对岳阳县地 区电力负荷历史数据夏特点的研究，分析 了影响中期负荷预曩I准确性的多方面目素，刺甩日常 负荷与气象条件的 关系，建立神经罔络中期 负荷预曩l模型 研究了逮一人工智能技术应用于电力秉统负荷预潮的可行性 。提出了一种基于BP神经一绔的综 合预测方法，能够稳定和较准确地对电力负荷做出预爰I。在实际电力负荷预测中，鼋方法取得了比较高的的预曩l精度 。 关键词：电力负荷 颓潮 神经一络 BP算法 中图分类号 ：TM73 文献标识码 ：A 文章编号 ：1674--09sx(2o11)09(c)-0090—02 引言 的合理配置、燃料配置 、安全分析设备 的维 杂 的问题 ，往往需要根据设计者 的经验和 电力系统负荷预测是在充分考虑一些 护以及 电网能量 的传播有着很大的影 响， 多次 实验来确定 ，因而不存在一个理想的 重要的系统运行特性 、增容决策 、自然条件 对于 电力系统运行与控制有着非常重要的 解析式来表示 。隐单元 的数 目与 问题的要 及社会影响等条件 下，研究和应用一套系 意义 。 求 、输入 ／输 出单元的数 目都有着直接关 统处理过去负荷与未来负荷的数学方法 ， 1．1负荷预测的基本原理 系。隐单元数 目太多会导致学 习时间过长、 在满足一定精度要求 的前提下 ，确定未来 负荷预测工作是根据 电力负荷 的发展 误差不一定最佳 ，也会导致容错性差、不能 某特定时刻的电力负荷值 。电力系统的正 变化规律 ，预计或判断其未来发展趋势和 识别以前没有看到的样本 ，因此一定存在 确调度、规划和运行都离不开 电力负荷预 状况的活动 ，因此必须科学地总结 出预测 一 个最佳的隐单元数。以下4个公式可以用 报 ，准确的负荷预报不仅对 电力系统的安 工作的基本原理 ，用于指导负荷预测工作。 于选择最佳隐单元数 时的参考公式。 全 、可靠 、经磷运 行起着重要 作用 ，同时也 主要有 以下几个方面 ：不准确性 ，条件性 ， 一 ． (1) ，其中，k为样本数量， 为 是潜在节约能源的方法…。 时间性 ，多方案性 ，可知性原理 ，可能性原 电力系统负荷数据预测的研 究在近些 理 ，连续性原理 ，相似性原理 ，反馈性原理 ， 隐单元数 ，n为输 入单元数 。如果 n．， 年来有 了很大 的发展 ，预测 的方法 由过去 系统性原理 3【】。 ： 0。 的人工方式逐步转换成软件干预方式 。电 1．2负荷预测的基本步骤 (2) =√+ +a，册为输出神经元数， 力系统负荷预测问题 的研究也越来越引起 对电力负荷的预测，一般可按下列步 n为输入单元数 ，a为 【1，l0】之间的常数。 人们 的注意 ，己经成为 了现代电力系统运 骤进行 ：收集和分析历史数据 ，对电力系统 (3)n．=log2n，以为输入单元数 。 行研 究中的重要课题之一。早在 1990年D． 的历史数据及有关信 息加 以整理 ，排除偶 (4)n，=2力+l，／／为输入层神经元个数。 C．Park等人就采用人工