带温度补偿的神经网络用于电力系统短期负荷预测 short-term load forecasting by neural network with temperature compensating.pdfVIP

带温度补偿的神经网络 用于电力系统短期负荷预测 夏经德1’2，夏道止2 (1．淄博科汇电气有限公司，山东淄博255087；2．西安交通大学，陕西西安71。049) [摘要]带温度补偿的神经网络结构和短期负荷预测方法在前向神经网络的输入和输出节点上对负 荷引入了相应的温度补偿，其中所涉及的临界温度和温度补偿系数将与前向神经网络本身的权系数一 起通过训练而自动获得。对陕西电网2001年1月开始连续45个月的预测试验结果表明，高温日期的 平均负荷预测精度比用常规前向神经网络高3％～6％。神经网络的训练采用求解无约束最优化问题 的BFGS算法，不但保证了神经网络学习的收敛性，而且可以减少隐节点的数目，使神经网络的推广能 力和预测精度显著提高。 [关键词] 电力系统；短期负荷预测；神经网络；温度补偿；BFGS优化算法 中图分类号：TM714文献标识码：A文章编号t1008—4835(2006)03—0001一04 由于前向神经网络具有良好的函数逼近能力，国 内外在应用它进行电力系统短期负荷预测方面已经进 行过大量的研究工作[1~3]，并且在实际系统中获得了 应用。在这一方面，文献[1]曾经进行过比较详细的综 述和评价。针对提高高温日期的负荷预测精度，在电 力系统实际运行经验的启发下，提出了一种“带温度补 偿的前向神经网络”结构，并采用求解无约束最优化问 题的BFGS[6]算法对神经网络进行训练，以保证神经 网络迭代的收敛性。 1 带温度补偿神经网络的原理和模型 25 30 35 40 ”℃ (d) 根据电力系统的运行经验，在高温天气下，气温每 升高一度，负荷将大约增加某一个百分数。实际系统 图1 陕西省负荷与温度间关系的散点图 的运行数据也说明了这种关系。图1为陕西电网 (a)11点钟负荷，(b)15点钟负荷‘ 2004年5月1日至8月31日间最高温度在25℃以上 (c)19点钟负荷I(d)21点钟负荷； 的各天中，系统负荷与气温关系的散点图，反映了这种 大，即 趋势的存在。 从数学上来说，负荷与气温间的这种关系可以描 式中，口。称为￡时刻负荷的温度补偿系数，它的取值与 述为：当某一天d的日最高温度T抽。超过某一临界温 一天当中具体的时间有关。这样，系统实际负荷与假 度Tc。时，时刻￡的负荷P出可以看成是非高温天气下 想负荷之间的关系可以统一表示为： 相应负荷P出。(称假想负荷)按某一系数∞的线性增 V 砸丽丽丽丽豫鼎撬貉耥oNORTHWESTCHINAELECTRICPOWER№．3，2006 万方数据 “ 。 ”” …‘ …7 ％一j赢厶n刈t：1’2，…，24(3) Pmx—Pnnin 式中：P。。和P。蛔分别为全部样本中在≠时刻负荷的 【P垂，△n≤o 最大值和最小值。 其中