基于小波系数和BP神经网络的电力系统短期负荷预测.pdfVIP

东 北 电 力 大 学 学 报 第28卷第4期 JournalOfNortheastDianliUniversity Vo1．28，No．4 2008年8月 NaturaJScienceEdition Aug．，2008 文章编号：1005—2992(2oo8)04—0069—04 基于小波系数和 BP神经网络的 电力系统短期负荷预测 宋人杰 ，边奕心 ，孙世 荣2，闫 淼3 (1．东北电力大学 信息31程学院，吉林吉林 132012；2．吉林市社会保障事业管理局，吉林吉林 132011；3．电子信 息职业技术学院，吉林 吉林 132021) 摘 要：提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过 去直接对负荷序列的预测替代为对小波系数的预测 ，并对小波细节系数作分层软阈值处理。详细介绍 了小波系数结合BP神经网络进行预测的新方法，并给出算例验证。 关 键 词：小波系数 ；BP神经网络；软阈值 ；短期负荷预测 中图分类号：TM714 文献标识码：A 电力系统负荷预测就是根据历史负荷值，在满足一定精度的情况下决定未来某特定时刻的负荷值。 负荷预测是电力系统一项非常重要的工作，它在电力系统的运行、规划、控制等方面均有十分重要的作 用。此外，负荷预测也是我国实现电力市场的必备条件，具有重要的理论意义和实用价值。 短期负荷预测是指 日负荷和周负荷预测。为提高短期负荷预测的准确性和实用性，人们已做了大 量的研究工作，提出了许多负荷预测的模型和方法，如常规的时间序列法、回归分析法；属于智能原理的 神经网络法、专家系统法、模糊逻辑法、模糊神经网络法、混合型方法等，负荷预测的精度也逐渐提高。 但 由于负荷本身的随机性和复杂性，现有的各种方法各有一定的适用场合，需要不断改进和完善。本文 研究了基于小波系数结合BP神经网络的电力系统短期负荷预测的新方法，利用小波变换对负荷样本 做序列分解，得到不同尺度下的小波系数，并对各尺度小波系数进行阈值选择，从而剔除掉无用的信息。 再由BP神经网络对作用阈值后的小波系数进行预测，最后通过小波逆变换重构出预测 日的负荷序列。 1 小波变换和神经网络在短期负荷预测中的应用 小波分析是一种时域一频域分析法，在时域和频域上同时具有 良好的局部化性质，并且能根据信号 频率高低 自动调节采样的疏密，容易捕捉和分析微弱信号以及信号的任意细小部分。其优点：能对不同 的频率采用逐渐精细的采样率，从而获得信号的细节，并能很好的处理微弱或突变的信号，基于此理论， 可以对电力系统负荷序列进行二进小波变换，体现出负荷序列周期性。分别对各子序列进行预测，最后 合并重构出完整序列的预测结果。这些优点决定-rd,波分析可以有效地应用于负荷预测分析中¨。 人工神经网络是建立在对生物神经系统一种仿生与高度简化的模型的基础之上，用大量的神经元 广泛的互联组成一种计算的网络结构，将信息分布式的存储，具有一定的学习、记忆等智能能力 。 文献[3]对短期负荷分量特性进行了深入的分析，指出在短期负荷应用中，小波分析可以弥补传统 收稿 日期：2008—04—22 作者简介：宋人杰 (1963一)，女，东北电力大学信息工程学院教授，研究方向为计算机在电力系统中的应用 70 东北电力大学学报 第28卷 数学方法存在的缺陷。另外，负荷变换还包含了一些不可测因素，而神经网络具有 良好的学习性，非常 适合于解决这类问题 。 文献[4]中以清晰地图示方式明确给出了基于小波一神经网络预测算法的模型，并对经过小波分解 后的负荷序列进行了深人细致的分析。最后，通过两个地区的实际仿真结果对比，验证了小波一神经网 络方法优于直接用神经网络进行预测的方法。 但是，上述的预测方法中，经过小波分解后，输入神经网络的仍是负荷子序列。而原始负荷序列经 小波分解后得到的是小波系数。本文尝试了将小波系数作为神经网络的输入值，并采用分层软阈值的 方法解决 Mallat算法中存在的频域混叠的问题。 2 小波