电力负荷预测神经网络模型设计.docVIP

电力负荷预测神经网络模型的设计-电气论文 电力负荷预测神经网络模型的设计 孙文革 （新疆职业大学机械电子工程学院，新疆 乌鲁木齐 830013） 【摘　要】为提高电力负荷预测精度，本文采用Elman神经网络建立模型，提出了一种基于Elman神经网络的电力负荷预测方法，采用自适应学习速率动量梯度下降反向传播算法进行网络训练，对乌鲁木齐电网的实际历史数据进行了仿真，仿真结果表明，Elman神经网络对电力负荷进行预测具有收敛速度快，预测精度高的优点。 关键词 Elman神经网络；预测模型；电力负荷；仿真 Design of Power Load Forecasting Based on Neural Network SUN Wen-ge (Deparnment of mechatronic engineering, Xinjiang Vocational University, Urumqi Xinjiang 830013, China) Abstract: In order to improve the precision of forecasting of power load, in this paper, a Elman artifical neural network (ANN) approach for load forecasting is proposed and the model based on Elman neural network. In the training algorithm of the network, a back-propagation algorithm with adaptive learning speed and momentum gradient-falling is used, the forecasting model tested by actual data from Urmqi electric network, simulation results indicate that the forecasting for power load based on Elman neural network features quick convergence speed and high forecasting precision. Key words: Elman neural network; Forecasting model; Power load; Simulation 作者简介：孙文革（1967.06—），汉族，甘肃人，本科，实验师，研究方向为电子技术及自动控制技术。 0　引言 电力系统由电力网、电力用户共同组成。其任务是给广大用户不间断的提供经济、可靠、符合质量标准的电能，满足各类负荷的需求，为社会发展提供动力。由于电力的生产与使用具有特殊性，即电能难以大量的储存，而且各类用户对电力的需求是时刻变化的，这就要求系统发电出力应随时紧跟系统负荷的变化动态平衡，即系统要最大限度的发挥出设备能力，使整个系统保持稳定且高效的运行，以满足用户的需求。否则，就会影响用电的质量，甚至危及整个系统的安全与稳定。因此，有必要对电力系统负荷进行准确的预测，以为电力生产顺利进行提供前提和基础。 负荷预测的核心问题是预测的技术问题，或者说是预测的数学模型。传统的数学模型是用现成的数学表达式加以描述，具有计算量小、速度快的优点，但同时也存在很多的缺陷和局限性，比如不具备自学习、自适应能力、预测系统的鲁棒性没有保障等。特别是随着我国经济的发展，电力系统的结构日趋复杂，电力负荷变化的非线性、时变性和不确定性的特点更加明显，很难建立一个合适的数学模型来清晰的表达负荷和影响负荷的变量之间的关系。而基于神经网络的非数学模型预测法，为解决数学模型的不足提供了新的思路。 目前在电力系统负荷预测领域应用的较多的是BP神经网络，尤其是短期负荷领域应用的较为广泛[1]，该方法实际上是利用静态前馈网络对动态网络进行辨识，将动态时间建模问题变为静态建模问题，这样会带来很多问题，而能够准确反映系统动态特性的网络应该是动态神经网络，即回归神经网络[2]。Elman回归神经网络即属于典型的动态神经网络，它在BP神经网络结构的基础上，通过存储内部状态使其具备映射动态特征的功能，从而使系统能够更好的适应电力负荷的非线性事变特征。 本文尝试使用Elman神经网络建立电力负荷预测模型，利用乌鲁木齐市2008年10月份电力负荷数据进行训练与仿真，仿真结果具有较好的收敛性和鲁棒性，取得了较满意的预测效果。 1　Elman神经网络 1.1　网络结构 Elman