神经网络预测中长期电力负荷对比研究.pdfVIP

第35卷 第23期 催 电器 Vo1.35No.23 2007年12月1日 RELAY Dec.1,2007 神经网络预测中长期电力负荷对比研究 师兵兵，段哲民，陆正俊 (西北工业大学电子信息学院，陕西 西安 710072) 摘要:为避免传统方法预测中长期电力负荷建模的复杂性，根据电力负荷历史数据，研究了基于LM算法的BP网络、RBF网 络在中长期电力负荷预测中的应用，通过神经网络对训练样本的学习，自动提取影响中长期电力负荷的诸多因素。从训练速 度、预测误差等方面分析对比了两种神经网络预测能力，仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的 可行性和良好效果。 关键词:电力负荷;神经网络;反向传播;径向基函数;预测 Researchandcomparisonofneuralnetworksforforecastingmid-longtermpowerload SHIBing-bing,DUANZhe-min,LUZheng一un (DepartmentofElectronicandInformation,NorthwesternPolytechnicalUniversity,Xian710072,China) Abstract:Inordertoavoidthecomplexforecastingmodelofmid-longtermpowerloadbytraditionalmethods,theresearchof mid-longtermpowerloadbasedonBPnetworkandRBFnetworkisdoneaccordingtothepastpowerloaddata.Ttivonetworkscan obtainlotsoffactorsfromtrainingsamplesautomaticallywhichinfluencepowerload.Theabilityoftwonetworksforforecastingis comparedwiththetrainingspeedandforecastingerrors.Twonetworkshaveagoodperformanceinforecastingthepowerload verifiedbythesimulationresultsandthemeasuredvalues. Keywords:powerload;neuralnetwork;BP;RBF;forecasting 中图分类号:TM715;TP183 文献标识码:A 文章编号:1003-4897(2007)23-0043-03 止，其模型结构如图1所示。BP网络是一种全局逼 0 引言 近网络，理论上可以逼近任一连续函数。BP网络存 电力负荷预测是电力企业高效调度、正常生产 在训练速度慢、时间长、易陷入局部极小等缺点。 的重要前提，涉及社会生产、人们生活的各个方面。 预测方法有趋势外推法 〕〔、‘非线性偏最小二乘回归 模型幻〔、灰色模型群建模3〕「及基于相关分析的综合 预测模型4]〔等，通过建立预测对象的精确数学模型 可取得比较符合实际的预测结果。应用神经网络进 行预测，不需要建立预测对象的精确数学模型，样 输入层 隐层 输出层 本数据本身就包含诸多影响电力负荷量大小的因 图1BP网络模型 素，因此，基于LM算法的BP网络、RBF网络通过对