周、月负荷预测的gs-ann综合模型 gs-ann based integrated model for weekly and monthly load forecasting.pdfVIP

第42卷第91111 中国电力 V01．42。№．9 2009年9月 E1．ECTRICPOWER 8印．2∞9 周令茸负荷预测的’G鲒AN时综鲁模型 王启明，，方 静1，王子琦z，周 鹏2，李 同z，鞠 平· (1．河海大学电气工程学院，江苏南京210098；2．河南省电力公司，河南郑州450052) 摘耍：灰色系统(GS)和人下神经网络(ANN)作为2种行之有效的负荷预测工具有着各自的优缺点和适用范’ 同。将灰色系统预测和人工神经网络预测的结合方式总结为5种．即并联型、串联型、灰色系统辅助人T 神经网络型、人工神经网络辅助灰色系统型和补偿型。针对周、月负荷预测的规律和需要，通过对比推荐‘ 采用串联埠!综合模型，提出在GS的基础上将主要影响因素也作为ANN的输入，对周、月负荷序列进行建 模。通过算例证明了其在周、月负荷预测中的精度明显优于单一的灰色系统模型和人工神经网络模型。 关键词：负荷预测；周负荷；月负荷；灰色系统；人T神经网络；综合模型 中图分类号：TM715 文献标识码：A 文章编号：1004．9649(2009)09．0044．05 ANN的5种结合方式，即并联型、串联型．灰色系统 0引言 辅助人工神经网络型、人工神经网络辅助灰色系统 型、补偿型。这5种预测模型以往散地于有关文献， 负荷预测是制定发供电计划和做好电网供需平 除了并联型之外都没有直接应用于周月负荷预测。 衡的关键，也是电力市场运行的基础…。 本文重点研究改进了串联型预测模型．并且应用于 电力负荷是典型的灰色系统．对其影响的供电 周月负荷预测，取得了良好的预测效果。 机组、电网容量等是已知的。但是其他一些影响因 素，比如气象情况等是难以确切知道的…。利用灰色 1基于GS和ANN的负荷预测综合模型 系统理论中“生成”的方法对原始数据进行处理．得 到随机性弱化、规律性增强的新数列来进行建模…． 1．1 GS与ANN并联型 比较适用于具有增长趋势为主的中长期负荷预测． 并联型是指利用GS良好的增长特性对增长趋 神经网络(ANN)预测模型将传统的函数关系转势负荷进行预测．同时利用ANN良好的非线性映射 化为高维的非线性映射．再通过神经网络强大的学 能力对波动趋势进行预测．最后根据最优化理论．加 习能力把样本中所隐含的规律分布在神经网络各层 权平均建立兼有两者优点的综合模型。其总体流程 的连接权上．在具有较强随机性的短期负荷预测… 如图l所示。 中得到广泛的应用。 本文研究的是周和月的负荷预测．这种负荷序 (开始) 列具有二重变化趋势r4l。一方面，随着时间的推移。 ．／＼． 电力的需求量越来越大．电力负荷呈现明碌的增长 从数据库中读取 从数据库巾读取 纵向历史数据 横向历史数据 趋势：另一方面，由于气象因素以及其他一些随机 l I 冈索的影响．相邻等距的负荷区间又会呈现出明显 l灰色GM(1，1)模型的建模， 人工神纤网络(ANN)负荷预测模型 I得到预测结s玩