基于功率谱分解和实时气象因素的短期负荷预测.pdfVIP

维普资讯 第 3l卷 第 23期 电 网 技 术 、，01．3lNO．23 2007年 l2月 PowerSystem Technology Dec．2007 文章编号：1000—3673(2007)23—0047—05 中图分类号：TM715 文献标识码：A 学科代码：4704·051 基于功率谱分解和实时气象因素的短期负荷预测 张 凯 ，姚建刚1，李 伟2，贺 辉 (1．湖南大学 电气与信息工程学院，湖南省 长沙市 410082；2．湖北省电力调度通信中心， 湖北省 武汉市 430077；3．湖南省电力调度通信中心，湖南省 长沙市 410007) Short-Term LoadForecastingBasedonPowerSpectrum Decompositionand HourlyW eatherFactors ZHANG Kai，YAO Jian—gang ，LIWei，HEHui (1．CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082，Hunna Province，China； 2．HubeiElectricalPowerDispatchnadCommunicationCenter，Wuhan430077，HubeiProvince，China； 3．Hunna Electrica1PowerDispatchnadCommunicationCenter，Changsha410007，HunanProvince，China) ．， ABSTRACT：A short—temr loadforecastingmethodbasedon 个负荷分量。分析各个负荷分量的特点，针对各个负荷分量 powerspectrum decompositionna dhourlyweatherfactorsis 分别设计预测模型，对基频分量采用 Elmna 回归神经网络 proposed，in which the fastFourierrtansfomr isapplied to 进行预测，这部分较好地反映出基频分量的时间序列特性； powerload seriest0obtainpowerspecturm nadbymena sof 对低频和高频分量分别采用 自适应线性回归神经 网络进行 na alyzinghteobtainedpowerspecturm htefrequencyrangesof 预测，在对这部分分量的预测中重点引入实时气象因素，以 fundamentalfrequencycomponent，low frequencycomponent 利用最新的气象信息提高预测精度。通过在某地区的实际应 na dhigh frequency componentofpower load areobtained， 用证明了所提出方法的有效性。 thenbyuseoffiniteimpulseresponse(FIR)filterseachseveral 关键词：谱分解；实时气象因素；短期负荷预测；人工神经 loadcomponentsraesepraatedfrom hteload．Afterna alyzing 网络；电力系统 htefeatureofeach severalload components，hteforecasting model for each several load components is designed 0 引言 respectively,fundamentalfreque