計及小水電和沖擊負(fù)荷影響的短期負(fù)荷預(yù)測研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測是負(fù)荷預(yù)測的重要組成部分，未來某一時刻的負(fù)荷，通常與過去的負(fù)荷水平、當(dāng)前的運行狀況、預(yù)測期的氣象因素以及日期類型等密切相關(guān)。但是，不同的地區(qū)負(fù)荷都有其自身的特殊性。
　　 本文所研究內(nèi)容是計及小水電和沖擊負(fù)荷影響的短期負(fù)荷預(yù)測，隨著越來越多的分布式電源接入電網(wǎng)，不但威脅到電網(wǎng)的安全穩(wěn)定，還對電力系統(tǒng)的短期負(fù)荷預(yù)測造成了顯著影響。所以，該地區(qū)的短期負(fù)荷預(yù)測水平亟待提高，針對上述問題，本文做了如下研究工作:

2、>　　 首先，本文將多小水電和沖擊負(fù)荷地區(qū)作為研究對象，針對該地區(qū)的電力系統(tǒng)負(fù)荷數(shù)據(jù)進(jìn)行兩個方面的分析，一是分析該地區(qū)電力系統(tǒng)短期負(fù)荷基本特征和該地區(qū)負(fù)荷與各項氣象指標(biāo)存在的關(guān)系，從而得出該地區(qū)短期負(fù)荷預(yù)測主要的影響因素;二是原始負(fù)荷數(shù)據(jù)本身的數(shù)據(jù)預(yù)處理，保證樣本的可靠性。
　　 其次，由于該地區(qū)的負(fù)荷特性復(fù)雜多變，新樣本的不斷出現(xiàn)使得神經(jīng)網(wǎng)絡(luò)無法準(zhǔn)確有效的學(xué)習(xí)，導(dǎo)致負(fù)荷預(yù)測準(zhǔn)確率偏低。針對此問題，本文采用貝葉斯正則化算法來改

3、善網(wǎng)絡(luò)的泛化能力。通過模型對比分析，結(jié)果證明，包含貝葉斯算法的負(fù)荷預(yù)測模型對復(fù)雜的負(fù)荷特性和新樣本數(shù)據(jù)有著更加出色的學(xué)習(xí)能力。但是仍然存在個別時刻負(fù)荷預(yù)測誤差偏大，一天96點負(fù)荷預(yù)測相對誤差不穩(wěn)定等問題。
　　 再次，由于較多的沖擊負(fù)荷存在，相鄰時刻負(fù)荷變化頻率快慢不一，貝葉斯神經(jīng)網(wǎng)絡(luò)很難學(xué)習(xí)到這樣的規(guī)律，導(dǎo)致負(fù)荷預(yù)測準(zhǔn)確率沒法進(jìn)一步提高。本文針對該問題繼續(xù)修改預(yù)測模型，將小波分析應(yīng)用于神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測。利用小波變換將原始負(fù)荷數(shù)