基于小波及人工神經網(wǎng)絡的短期負荷預測研究.pdf

1、負荷預測的準確程度對于電力系統(tǒng)安全經濟運行具有十分重要的作用。該文針對電力系統(tǒng)短期負荷預測提出神經網(wǎng)絡與小波混合模型，考慮到每日峰荷對系統(tǒng)調度管理的重要影響，引入每日峰荷相對誤差作為評價負荷預測效果的重要標準。 考慮到天氣因素及日類型，引入人體舒適度指數(shù)這一氣象新概念和日類型來反映其對負荷的影響。人體舒適度指數(shù)的引入，通過一個指數(shù)綜合反映天氣因素，可以大大簡化神經網(wǎng)絡的輸入元及中間層結構，減少了計算量。 通過對歷史負荷的

2、分析可知，負荷序列具有特定的周期性，可以看作是具有不同頻率的負荷序列分量的迭加。其中每個分量都對應著一定范圍的頻率，有些具有很強隨機變化性。小波分解則十分適用于時頻暫態(tài)分析。該文通過使用MallatandDaubechies算法，負荷序列將被分解為一組子序列，每個子序列分別反映出原負荷的不同的頻率特性。通過選擇合適的小波基函數(shù)以及分解級數(shù)，子序列顯示出比原負荷更強的規(guī)律性，有的序列會以特定的周期進行變化，而有的序列則會顯現(xiàn)出極強的隨機性

3、。因此應針對不同序列的特點對每個序列分別建立模型進行預測。 該文對負荷中具有較強周期變化規(guī)律的分量，根據(jù)其特點構造神經網(wǎng)絡模型對其進行預測。而考慮到隨機變化分量在負荷中所占比例較小，對這些只使用線性加權法對其進行預測。為增加神經網(wǎng)絡的收斂速度及穩(wěn)定性，在神經網(wǎng)絡訓練過程中采用了L-M算法。為了獲得較小的網(wǎng)絡規(guī)模，取得較快的訓練速度及較高的預測精度，該文對各序列分別采用一組神經網(wǎng)絡，每個時間點分別建立一個網(wǎng)絡進行預測。最后通過迭加