基于小波和神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè).pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)的一項(xiàng)非常重要的工作，高精度的預(yù)測(cè)需要考慮因素的全面性和優(yōu)秀的預(yù)測(cè)模型和預(yù)測(cè)方法來保證。近些年來，許多專家學(xué)者提出了很多把智能算法應(yīng)用到電力系統(tǒng)負(fù)荷預(yù)測(cè)中的實(shí)例，也有幾種智能算法結(jié)合使用的情況，使得電力系統(tǒng)負(fù)荷預(yù)測(cè)得到了快速的發(fā)展，預(yù)測(cè)精度也有很大的提高。本文將小波分析理論引入電力系統(tǒng)負(fù)荷預(yù)測(cè)中，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)構(gòu)建了小波和神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)模型。
　　小波分析理論是一個(gè)相對(duì)較新鮮的概念，近幾

2、年才慢慢應(yīng)用于電力系統(tǒng)的相關(guān)方面，使用小波分析理論將原始的負(fù)荷序列進(jìn)行分解，而不是直接使用神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測(cè)，這樣可以將負(fù)荷數(shù)據(jù)序列的高頻分量和低頻分量分解開來，更好的挖掘負(fù)荷數(shù)據(jù)序列的更加深層次的隱藏信息，然后再使用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分別預(yù)測(cè)，本文使用BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，而且還將非常經(jīng)典的灰色預(yù)測(cè)模型GM(1，1)引入到模型中來，最后再將小波分解的序列進(jìn)行重構(gòu)，即可得到預(yù)測(cè)的結(jié)果。將模型應(yīng)用到一個(gè)具