改进神经网络的短期负荷预测模型及仿真.pdfVIP

第31卷 第1O期 计 算 机 仿 真 2014年10月 文章编号：1006—9348(2014)10—0145—06 改进神经网络的短期负荷预测模型及仿真 杨廷志，文小飞，万 俊，李 书 (国网重庆市电力公司綦南供电分公司，重庆 401420) 摘要：在电力负荷准确预测问题的研究中，电力负荷具有周期性 、随机性和非线性的特点，而传统方法存在负荷预测精度低 的难题，为了提高负荷的预测精度，提出一种改进神经网络的短期负荷预测模型(CPSO—BPNN)。首先利用非线性预测能 力强的BP神经网络对短期负荷建模；然后结合混沌粒子群优化算法挖掘短期负荷的变化规律以提高短期负荷预测精度； 最后对模型性能进行仿真。仿真结果表明，CPSO—BPNN解决了传统方法存在的难题 ，提高了短期负荷的预测精度，为非线 性负荷预测提供了依据。 关键词：短期负荷；预测精度；混沌粒子群算法；神经网络 中图分类号：TP391 文献标识码 ：B Short——Term PowerLoadForecastingM odel andSimulationBasedonNeuralNetwork YANGTing—zhi，WENXiao—fei，WANJun，LIShu (QinanPowerSupplyBureauofChongqingElectricPowerCorporation，Chongqing401420，China) ABSTRACT：Powerloadiscyclicalandrandom ，andtraditionalmethodhaslowpredictionaccuracy．Inordertoob- tainbetterforecastingresultsofshort—term load，anovelshort—temr loadforecastingmodelwasproposedbasedon chaoticparticleswarmoptimizationalgorithmandneuralnetwork(CPSO—BPNN)．Firstly，thechaostheorywasin— troducedintoPSO algorithm toimprovetheglobalsearchability，andthentheBPneuralnetworkparameterswere0p— timizedbychaosparticleswamr algorithm toestablishtheoptimalshort—temr powerloadforecastingmode1．Finally， themodelwassimulatedandtested．Thesimulationresultsshow that，theCPSO —BPNN canimprovetheforecasting accuracyoftheshort—term load，whichprovidesanew researchideaforthenonlinearloadforecasting． KEYW ORDS：Powerload；Forecastingaccuracy；Chaosparticleswamr algorithm ；Neuralnetwork 非线性、无限的逼近 ，成为使用最为广泛的短期负荷预测算 1 引言 法。但是 BP神经网络在电力负荷预测建模过程，其预测性 短期负荷预测是电力管理部门一项重要工作，其预测结 能与初始连接权值、阈值等参数密切相关，因此建立预测精 果对保证电网的安全运行 ，提高电能质量起着关键作用，因 度高的短期负荷预测模型，首先要选择最合理的BP神经网 此短期负荷预测一直是电力系统研究