基于模煳逻辑和神经网络的电力负荷预测.pdfVIP

您的论文得到两院院士关注 软件天地 文章编号 1 :1008-0570 2007 02--0313-02 基于模糊逻辑和神经网络的电力负荷预测 ANNandFuzzyLogicBasedShort-termLoadForecasting 石家庄经济学院 河北师范大学 1 2 1 1 ; 王 楠 刘晨光 马立肖 赵占芳 1. 2. WANGNAN LIUCHENGUANG MALIXIAO ZHAOZHANFANG 摘要 设计并实现了神经网络和模糊逻辑相结合的综合预测模型进行短期电力负荷预测 由神经网络和模糊逻辑分别对基 : 。 本负荷和受天气 节假日影响的负荷进行预测 使其在天气突变等情况下也能达到较高的预测精度 采用此模型对石家庄 、 , 。 电力系统负荷进行预测分析,取得了令人满意的结果。 关键词 神经网络 模糊逻辑 短期负荷预测 : ; ; 中图分类号:TM715;TP39 文献标识码:A Abstract:Ahybridmodelforshort-termloadforecastingthatintegratesartificialneuralnetworks ANN andfuzzyexpertsystemsis presentedinthispaper.ANNandfuzzylogicareseparatelyusedtoforecastthenormalloadandtheloadinfluencedbytemperature andholidays,toimprovetheforecastprecisioninthosecases.InthetestforecastingofShijiazhuangpowersystem,theproposed modelprovidedgoodforecastingaccuracy. 技 Keywords:NeuralNetworks,FuzzyLogic,Short-termLoadForecasting 术 周期性特征 不同周中的相同日期负荷曲线相似 同一周之中 1引言 : , , 在公休日的负荷水平较低 工作日的负荷水平较高 工作日期 , 。 创 短期 未来 小时 负荷预测是电力系统制定工作计划的 24 间 负荷的主要组成为工业负荷 它们通常处于稳定的运转之 , , 必要前提 提高负荷预测的精度可以节约操作成本 提高系统 , , 中 因此负荷变化具有相似性 而在周末期间 工业负荷所占比 , ; , 新 可靠性 在预测应用中 使用神经网络方法取得了较好的结果 。 , 。 重大幅下降 造成负荷需求总量整体下降 , 。 但神经网络缺少处理非确定性知识的能力,其预测精度仍受到 2.2负荷需求受温度变化的影响 限制 而模糊理论适合描述广泛存在的不确定性 并能够从大 。 , 图 所示为石家庄市电力负荷需求随气温变化的关系 一 2 。 量的数据中提取它们的相似性,这些特点正是神经网络方法所 般认为 温度升高时人们会大量使用空调等制冷电器 在温度 , , 欠缺的 鉴于以上原因 本文提出了一种神经网络和模糊逻辑 。 , 降低时使用取暖用电器 这都使负荷需求增加 但在中国的北 , 。 相结合的短期电力负荷预测方法 由神经网络做出基本负荷预 。 方地区,在冬季集中供应暖气 使用矿物燃料 而不必使用电力 测 引入模糊逻辑处理非确定性知识 如气温 节假日等 修正 , , 、 , 取暖设备 所以在秋季温度下降时负荷需求会增加 而冬季供 , , 神经网络的输出 以提高预测精度。 , 应暖气的几个月里 虽然温度继续下降 负荷需求却不增反降 , , , 只有在夏季气温升高时 才出现负荷需大幅上升的现象 产生 2 电力负荷特性分析 , , 如图 所示的负荷需求变化趋势。 2 电力负荷的分布有较大的周期性 但并非简单的重复前一 , 个周期 每个周期的值都会有一定的变化 这与天气和日期类 , , 型等外界因素有关。 2.1电力负荷的周期性 图2负荷随气温变化的规律 除了气温外 气温的倾向性同样对负荷有很大的影响 在 , 。 图 中 当温度同是 时 实际负荷值的差异达到 2 , 20℃ , 500KW, 较高的需求值出现在 月 而较低的需求出现在 月 这两种 4 , 9 。 图 小时 两周 负荷曲线 1336 情况的区别不在于预测时间点的温度 都是 ,而是因为 20℃ 9 图 是两周的负荷变化曲线 周一至周日 从中可以发现 , 1 月的平均气温高于 月 整体感觉较温暖 4 , 。 王楠 硕士 助教 2.3负荷需求受日期类型的影响 : 邮局订阅号 元 年 - - 82-946360 / 《PLC技术应用 200例》 : 313 中文核