咸阳市电力系统短期负荷预测分析与研究 analysis and research of power system short-term load forecasting in xianyang.pdfVIP

咸阳市电力系统短期负荷预测分析与研究 analysis and research of power system short-term load forecasting in xianyang.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
咸阳市电力系统短期负荷预测分析与研究 analysis and research of power system short-term load forecasting in xianyang

盛阳市电稳系统短期负荷预谢分析与研究 杨 韬1,刘崇新1,李 鹏2,闫 鹏3,赵奕兵4 (1.西安交通大学电气工程学院,陕西西安710049;2.陕西省电力公司,陕西西安710048: 3.西安供电局,陕西西安710032;4.成阳市气象局,成阳712000) ●摘要:主要研究考虑各种因素影响的成阳市电力系统短期负荷预测模型与算法。传统预测算法只是基于找寻历● 史负荷数据规律,没有考虑外部因素对负荷值的影响,从而降低了预测精度。针对这些不足,首先分析了影响成阳 市电力负荷值的几个主要因素,然后提出了考虑这些因素影响的改进型神经网络BP算法预测模型.利用该模型 对成阳市电力负荷值进行预测。预测结果表明:该模型完全适用于成阳市电力负荷预测,考虑因素影响的预测算 法效果优于传统方法。 关键词:负荷预测;BP算法;神经网络;气温因子 中图分类号:TM714 文献标志码:A 文章编号:1673-7598(2008)10—0005-05 题。 O引言 本文以陕西咸阳电网为例.首先针对影响咸阳 市电力负荷值的几个主要凶素进行分析,然后采用 电力系统短期负荷预测是电力系统安全调度、 aPg.法进行预测,对神经网络输入负荷数据进行了 经济运行的重要基础,预测精度直接影响到电力系 处理,剔除异常数据,同时对算法进行了改进。预测 统运行的可靠性。长期以来.人们一直致力于预测方 结果证明,考虑了影响因素的负荷预测精度得到显 法的研究和改进。传统的预测方法,如时间序列法、 著提高。 回归模型法111等主要是通过找寻历史负荷值的规律 来进行预测,并没有考虑到影响用电量的外在因素。 1 影响负荷预测的主要因素 当天气发生突然变化或出现其他突发事件时预测精 瞄 度会受到较大影响,已经不能完全满足实际生产需 1.1 气象与电力负荷 要。 一年之中夏冬季节是电力负荷受到气象因素影 事实上,电力负荷预测受到很多因素的影响。其 响最大的时候。夏季持续高温和暴雨天气会导致一 中最主要的是气象因素J21.尤其是温度.其他气象因 个用电高峰,冬季寒流和降雪也会引起用电量的急 素包括风速、湿度和降雨量等。为了提高预测精度. 速上升。为减小工作量和开发周期。并考虑到咸阳 一些文章提出了用人体舒适度日I来综合考虑气象因 地区处于西北地区,常年降水较少,气候干燥,因此 子在负荷预测中的作用。起到了较好的效果,但缺点 忽略湿度、降雨量等对负荷值的干扰.只考虑对负 是所需信息量较大,算法比较复杂。除气象因子外. 荷影响最大的气温冈子的作用。同时,由于咸阳气 日期类型、特殊事件及经济因素(女IIGDP变化)都会 象台预报的气象数据是以天为单位.所以采用每天 影响到电力负荷值。需要在预测过程中考虑。根据电 的气象特征指数进行分析,如日最高、最低温度、日 力负荷值的以上特点,本文选择基于人工神经网络 平均温度。为了确定日电力负荷值与每日温度的相 Neural (ArtificialNetwork)的BP(Back 关性,在此对陕西省咸阳电网2004年6月1日至8月 Propagation)算 法进行预测。理论研究证明14】。一个前馈神经网络能 31日共92天的日电力负荷数据与日平均温度进行 实现从输入到输出的任何复杂的非线性映射关系, 分析研究,画出二者对比曲线,见图l。 非常适合处理电力系统负荷预测中的多变量输入问 收稿日期:2008-08—16 作者简介:杨韬(19

您可能关注的文档

文档评论(0)

xyz118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档