应用径向基函数神经网络短期电力负荷预测研究.pdfVIP

电力系统及其自动化专业第二十一届学术年会论文集 ·309 · 应用径向基函数神经网络短期电力负荷预测研 究 1 2 1 谢荣军 曹一家 程时杰 1 （华中科技大学电气与电子工程学院 湖北武汉 430074 xierj@ 2 浙江大学电气与电子工程学院 浙江杭州 310027 ） 摘要：本文提出了一种应用径向基函数人工神经网络 但不易从时间序列中分离出来；另外的一些模型则 （ANN ）对电网进行短期负荷预测的方法。电力负荷按每 显性计及气候因素对负荷的影响[5-7] 。前者基于外推 周工作日类型可分为两种模式：工作日模式和周末模式。电 法，是用时间函数的傅立叶级数或趋势曲线来描述 力负荷一般认为是非线性、时变的，规律不确切，相当部分 [2] 。用于负荷预测的时间序列方法主要是状态空间 的负荷具有随机性，给精确的负荷预测带来极大的困难。在 [3] [4] 模型 和自回归滑动平均（ARMA ）模型 ，亦有 研究中应用几个结构不同的人工神经网络对短期电力负荷 使用混沌和灰色理论进行预测的。对于包含气候影 进行预测。神经网络的输入是历史的日负荷值和待预测天预 响的预测模型，负荷分为气象敏感分量和非气象敏 报的气温，输出则是给定天的日负荷预测值。本文采用两组 感分量[5-7] 。气象敏感分量主要运用统计相关技术来 数据，即湖北武汉市和美国加州的历史电力负荷数据，比较 预测，而非气象敏感分量可以用上面提到的几种模 因规模和管理制度不同所呈现的不同特征，对预报精度的影 响，并对预测误差进行分析。 型进行预测。每个负荷分量独立预测，然后相加得 到总负荷的预测结果。但如何准确分离这两类负 关键词：神经网络，负荷预测，随机梯度算法，径向基函数 荷，仍是值得研究的课题。此外，气象预报也存在 误报，难以准确给出全天气象趋势。 1 简介 还有另外的一种方法，它不需要一个特定的负 为了安全、可靠和经济地向用户提供高的电 荷模型，而是从专家系统的观点出发，试图在历史 能，电力公司在电力系统的运行、规划和控制中面 负荷数据和气候信息中间寻找出相互关联的规则。 临许多经济和技术问题。实现大规模系统的优化运 这种方法的目的是利用专家的知识、经验和相似推 行和控制，降低经营成本，要应用现代系统工程、 断规则预测负荷。还有人研究一种自适应辨识负荷 优化与决策理论于电力系统中，以解决面临的实际 模型，能在不使用气象信息的情况下自适应地辨识 问题，首先必须掌握电力系统未来的负荷情况，因 负荷随机变化[10]，并把负荷分成四部分：常规负荷 此，长期和短期负荷预测是一个非常重要的课题。 （规律性强的负荷）、民用负荷（主要是空调、冰 人