基于层次分析法和径向基函数神经网络的中长期负荷预测综合模型.pdf

第 33 卷 第 2 期 电 网 技 术 Vol. 33 No. 2 2009 年 1 月 Power System Technology Jan. 2009 文章编号：1000-3673 （2009 ）02-0099-06 中图分类号：TM715 文献标志码：A 学科代码：470·4054 基于层次分析法和径向基函数神经网络的 中长期负荷预测综合模型 李春祥，牛东晓，孟丽敏 （华北电力大学，河北省保定市 071003 ） A Comprehensive Model for Long- and Medium-Term Load Forecasting Based on Analytic Hierarchy Process and Radial Basis Function Neural Network LI Chun-xiang ，NIU Dong-xiao ，MENG Li-min （North China Electric Power University ，Baoding 071003 ，Hebei Province ，China ） ABSTRACT: Long- and medium-term load forecasting is the 提出基于 3 指标量，即指标总量、指标增长量和指标增长率 foundation of power system planning and operation, for this 的综合模型。首先构建层次分析(analytic hierarchy process， reason a comprehensive model based on three index quantities, AHP)模型，分别对 3 个指标量进行分析评价，优选出每个 i.e., the total index quantity, the increasing index quantity and 指标量的最优预测模型，然后利用径向基函数(radial basic the index growth rate, is proposed. Firstly, an analytic function，RBF)神经网络对 3 个最优模型的预测结果进行拟 hierarchy process (AHP) model is constructed to analyze and 合，并将 GDP 因素也作为神经网络输入数据之一，输出最 estimate the three index quantities respectively, then select out 终的预测结果。AHP 模型中综合考虑了模型预测误差和模 optimal forecasting model for each index quantity; secondly, 型拟合度，并成功地加入了人工干预的因素，依据专家经验 判断模型的信任度和预测结果趋势可信度。AHP 模型采用 by use of radial basic function neural network (RBFNN) the 与预测时刻最近的历史数据进行分析，因此具有较好的实时 forecasted results from the three optimal models