短期电力负荷的能化预测方法研究.pdf

摘要 摘 要 当龟力系统遴零亍在线控涮辩，应当羯短籁受精预测采实瑰发、餐电酌合理调 度。短期负荷预测是电力系统安众调度、经济运行的重要依据，负荷预测精度的 惑低壹接彩旗裂魄秀系统逶行静可靠莲、经济往_鞫供毫旗璧。零文在短麓受蔫鬏 测方面所做的主要研究工作如下： l。逶i霪薅凌变受蘩数箨送露囊耋羁窳平颈楚溪，镬萁藿髓体凝毫力负蘅静交 化趋势，为短期负荷预测模型利用这些历史数据麓定了基础；将自相关系数的概 念农雳予缎絮受芬颚溅模鍪载输入交量迭择，提爨采两|i琵大远枣蹶爨秘鼗辐关瑾 论相结合的方法进行输入变量的选取，找到一组合适的输入变量来有效地解释负 荣黪变纯关系。该方法有魏确豹璞论簌撂，共具农缓强懿霉攥非褴，是一耱毙较 科学系统的输入变照选择方法。通过该方法可以得到更小的输入变量集，采用的 竣入变量冬预测点受麓攘关性最臻，预测绂暴更凑确。 2．将神经网络与模糊逻辑相结合建立了组合负荷预测模型，神经网络只处理 历史负荷髂息，既缨短了毒枣经网络鲍学习辩阕，又避免了由手享孛经网络慰其它售 息的不敏感而造成的错误举习；而模糊逻辑则处理对负荷变化影响较大的气温、 节假日等因素。根擐负荷变化的其体特点，构造出这些因索的隶瓣嫡数翻模糊援 刘痒，从而用模糊逻辑实现对基本负荷分鬟的修正。与传统的神经网络预测模型 相比，该缀合模型充分利爆了神经网络的学习能力，以及模糊逻辑对主戏经验的 吸收，能够充分考虑气温和节假翻等因素对系统负荷造成的影响，在一定程度上 可以提高负荷预测结果的准确性，特别是聊以明最提高对周末和带假目受赞预测 结梁静准确性。 3．结食电力负荷非线性变化的特点，提出了一个具有混沌机制的模糊神经网 络颧涌模黧。为了拓宽权的运动范lYl，引入权的演沌学习算法，将一个枚的非线 性自反馈项引入到模糊神经网络互联权空间学习算法的动力系统方程中，使模糊 棒缀网络蠡留学习动力学过程成为满沌动力学，使系统在学习过程巾能够狠快我到 系统的全局最小或也的近似值；模糊推理和解模糊均通过神经网络米实现，选取 静豢属蚕数使较蕊莛有一定静知谈表示，使于分析翻理解；对该搂鍪l提出两种不 同的模糊搬理算法进行模糊推理，并确定出模糊相乘推理弊法更优。在模糊推理 运舞孛霜麓攀豹热权计算敬筏了传统鹃重，§法，在不降低预测精度麓情况下，大 大减少了学习时间，提高了运行效举。该模型较好地解决了常规BP算法收敛性差， 颈测精度鬣戆缺陷，对{}线性受蔫变纯暴露较努静鞭溅牲熊。 4．为了克服当预测臼天气出现快速变化，预测误差也随之增加的问题，提出 了一秘薪熬具有反馈递妇缭擒静奁线实雾雩受祷羲蔫模型。巍该预测模型中，预溺 短期电力负荷的智能化预测方法研究 负荷是通过给预测日的类似日数据平均值加一个矫正值获得，神经网络只产生一 个非常小的数据作矫正值，而不必学习所有的类似日数据，因此可以大大减少神 经网络的节点数和训练时间，简化网络结构。由于该模型采用在线实时学习的算 法，神经网络可以捕捉快速的天气变化和预测误差之间的关系，从而输出一个适 当的负荷矫正值，这个矫正值与快速的温度变化相一致。在该模型中首次提出了 动态类似日的概念，对于同一预测日的不同时刻，选出的类似日是随着时间的变 化而动态变化的。这样较好地解决了特殊天气和节假日历史数据少，不易组成训 练样本集的问题。该模型在天气条件发生较大变化时进行短时负荷预测有明显优 势，并可用于超短时负荷预测。 本文还指出在未来电力市场的环境下，电价因素也是一个必须在负荷预测模 型中加以考虑的因素，对电价因素和电力市场对短期负荷预测的影响进行了分析， 并讨论了负荷预测与电价预测的关系。 最后对全文进行了总结，并对短期负荷预测的发展趋势进行了展望。 关键词：神经网络模糊推理混沌非线性鲁棒性负荷预测 Abstract Abstract Whenthe arecontrolledon load should line，short-term powersystems