小波模糊神经网络在电力系统短期负荷预测中的应用.docVIP

 文章编号：0258-8013 (2004) 01-0024-06 中图分类号：TM76 文献标识码：A 学科分类号：470?4051 小波模糊神经网络在电力系统短期 负荷预测中的应用 邰能灵, 侯志俭 （上海交通大学电子信息与电气工程学院电气工程系, 上海 200030） NEW SHORT-TERM LOAD FORECASTING PRINCIPLE WITH THE WAVELET TRANSFORM FUZZY NEURAL NETWORK FOR THE POWER SYSTEMS TAI Neng-ling, HOU Zhi-jian (Shanghai Jiao Tong University, Shanghai 200030, China) 法，专家系统及组合预测法等，负荷预测的精度也 逐渐提高[1~4]。但由于负荷变化存在着较强的随机性 和复杂性，各种方法均有一定的适用场合，并需不断 的改进和完善。本文研究了基于小波模糊神经网络的 电力系统短期负荷预测新方法，利用小波分析对负荷 样本做序列分解，根据小波变换自适应可调时频窗的 特点，对高尺度负荷分量采用常规预测方法，对其他 负荷分量则采用模糊神经网络处理技术，最后通过序 列重构，得到完整的负荷预测结果。大量数据计算表 明，该方法具有较高的精度和很强的适应能力。 ABSTRACT: This paper present s a new method based on the wavelet transform (WT) fuzzy neural network for the short-term load forecasting. By the WT, the different load sequence components are projected to the different scales. For the low scales in multiresolution analysis (MRA ) results, the fuzzy neural network is very suitable for the load frequency resolution and is then applied. At the same time, the matching conventional forecasting methods are used in high scales. After reconstruction, the forecasting demonstrate that precision. results are obtained. Simulation results the proposed method can provide forecast KEY WORDS : Power system; Short -term load forecasting; 基于频带概念的负荷分量分解 根据短期负荷预测的性质，可知电力系统负荷 的基本变化规律可由线性变化模型和周期变化模型 来描述，同时还存在随机负荷模型。但主要表现为两 种不同的趋势：一是逐渐增长的趋势，二是以天、周、 月、年为周期波动。另外，气温、阴晴、降水和大风 等都会引起负荷的变化。因此，负荷变化将存在波动 性，所以各类用电负荷信号一般都表现为连续频谱 [5~7]。严格地说在负荷的一段连续波动过程中，将呈 现为瞬变非周期信号，它必然是连续频谱。实际的负 荷测量周期( 如 15min)虽然可以使最高频率受到限 制，但无法改变其连续频谱特征。由于负荷包含随机 因素，因而负荷变化的精确数学表达往往很复杂。譬 如对气象影响的负荷，其变化过程需要用波动方程来 表示。文[5]通过详细研究表明，电力负荷特性同样 可以采用时频分析工具进行分解并分析，从而得到预 测结果。因此，本文提出负荷变换的小波理论基础， 并以日变化频率定义为基波。根据样本数据的实际情 2 Wavelet transform fuzzy neural network; Forecasting method 摘要: 该文研究了基于小波模糊神经网络的电力系统短期负 荷预测新方法。根据小波变换自适应可调时频窗的特点，利 用小波分析对负荷样本做序列分解，对高尺度负荷分量采用 常规预测方法，其他负荷分量则采用模糊神经网络处理技术， 最后通过序列重构，得到完整的负荷预测结果。算例计算表 明，新方法具有较高的预测精度和适应能力。 关键词: 电力系统；短期负荷预测; 小波模糊神经网络; 测方法 1 引言 预 短期负荷预测在电力系统中具有十分重要的作 用。准确的