基于小波包變換的短期電力負荷預測.pdf

1、短期電力負荷預測是電力系統(tǒng)調(diào)度運營部門的一項重要工作，尤其是隨著電力市場的建立和發(fā)展，短期電力負荷預測將發(fā)揮越來越重要的作用。其預測精度的高低直接影響到電力系統(tǒng)運行的安全性、經(jīng)濟性和供電質(zhì)量。因此，關于如何提高預測精度的問題，一直是短期電力負荷預測研究的重點問題。 將小波變換應用到短期電力負荷預測中，使負荷預測的精度有了很大程度的提高。本文在用小波變換進行短期電力負荷預測的研究基礎上，首次提出了將小波包變換、周期自回歸模型以及人

2、工神經(jīng)網(wǎng)絡三者相結合來進行短期電力負荷預測的新方法。該方法首先將原負荷序列通過小波包分解為不同尺度上的子負荷序列；然后根據(jù)它們各自的特點，對周期性較強的子負荷序列運用周期自回歸的方法進行預測，對隨機性較強的子負荷序列運用人工神經(jīng)網(wǎng)絡的方法進行預測；最后將各個子負荷序列的預測結果通過小波包重構得到最終的預測結果。與小波變換法相比，由于小波包變換對小波變換沒有分解的高頻部分進行進一步細分，所以更能有效地分離出其中周期性較強的子負荷序列，特別

3、是對于在小波變換法中作為一個整體且被看作隨機性負荷進行預測的第一層的高頻部分來說，小波包變換可以分離出該部分周期性較強的子負荷序列。而對周期性較強的負荷進行預測必然比對隨機性較強的負荷進行預測更準確，所以在預測結果上小波包變換法比小波變換法要好。 在運用周期自回歸模型進行預測的過程中，本文設計了一種動態(tài)矩陣法；該方法可以大大地提高運算速度。在預測實例中，本文對數(shù)據(jù)的預處理、原序列邊界的處理等問題均提出了自己的看法，并做了相應的設