基于级联网络电力系统短期负荷预测.pdfVIP

基于级联网络的电力系统短期负荷预测 赵宇红，等 基于级联网络的电力系统短期负荷预测 CascadedNetworkBasedShort-termLoadForecastingofElectricPowerSystem 赵字仃 陈 A 磨耀庚 (南华大学电气工程学院，衡阳 421001) 摘 要:电力系统短期负荷预测对电力系统运行设计具有十分重要的意义。因此，在分析了电力负荷运行曲线的基础上，提出了一 种基于级联模糊神经网络的预测模型。该模型采用基于神经网路理论的模糊模型参数辨识方法，很适合于复杂系统的模糊预测和控 制。详细地对输人量的选择和学习算法进行了分析。实例表明，此方法具有可靠、鲁棒性好和快速等特点，优于神经网络电力负荷预 报方法。 关键词:级联模糊神经网络 电力系统 短期负荷预测 中图分类号:TM715 文献标识码:A Abstract:Short-termloadpredictionofelectricpowersystemisimportanttooperationanddesignofpowersystem.Excepttheoperationcurves ofelectricpowersystemloadareanalyzed,thepredictivemodelbasedonacascadedfuzzyneuralnetworkisproposed.Themodelissuitablefor fuzzypredictionandcontrolofcomplexsystembecausetherecognitionmethodoffuzzymoduleparametersbasedonthetheoryofneuralnetwork isadopted.Theselectionforinputvariablesandthelearningalgorithmareanalyzedindetail.Thetestresultsrevealthatthemethodpossesses moreadvantagesthanneuralnetworkloadforecastingmethodinelectricpowerwithreliability,robustnessandfastspeed. Keywords:Cascadedfuzzyneuralnetwork Electricpowersystem Short-termloadforecasting 5 0 0 4 5 0 0 引言 沐 昙 诩 改 3 5 0 电力系统短期负荷预测川直接关系到电力生产计 划的制定和短期调度运行方式的安排，预报准确与否 3 0 0 对电力系统的安全、优质、经济运行具有显著影响。因 2 5 0 此，寻求合适的负荷预测方法以期最大限度提高预测 精度具有重要的应用价值。 图1基于日的周期性电力负荷 传统的预测模型是用显式数学表达式加以描述， Fig.1Theperiodicaldevelopmentofdailypowerload 而事实上电力负荷变化存在着大量的非线性关系，其 从图1可以看出，电力负荷存在非常明显的以日 发展规律很难用一个显式数学表达式给予描述。因 为间隔的周期性。日负荷曲线中日谷、日峰和晚峰的 此，本文将具备较强模糊数据处理能力的模糊理论与 区分明显，且出现的时刻基本固定。另外，周末负荷的 擅长拟合非线性映射的神经网络方法结合起来构建了 幅值较工作日低，但日负荷曲线的形状变化不大。同 一种具有较强自适应能力的基于级联网络的电力系统 时，大量的历史负荷数据统计表明，若将小时负荷值按 短期负荷预测模型，该模型采用基于神经网络理论的