基于小波及人工神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測研究.pdf

1、負(fù)荷預(yù)測的準(zhǔn)確程度對于電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行具有十分重要的作用。該文針對電力系統(tǒng)短期負(fù)荷預(yù)測提出神經(jīng)網(wǎng)絡(luò)與小波混合模型，考慮到每日峰荷對系統(tǒng)調(diào)度管理的重要影響，引入每日峰荷相對誤差作為評價(jià)負(fù)荷預(yù)測效果的重要標(biāo)準(zhǔn)。 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(fù)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(jīng)網(wǎng)絡(luò)的輸入元及中間層結(jié)構(gòu)，減少了計(jì)算量。 通過對歷史負(fù)荷的

2、分析可知，負(fù)荷序列具有特定的周期性，可以看作是具有不同頻率的負(fù)荷序列分量的迭加。其中每個分量都對應(yīng)著一定范圍的頻率，有些具有很強(qiáng)隨機(jī)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(fù)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(fù)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(fù)荷更強(qiáng)的規(guī)律性，有的序列會以特定的周期進(jìn)行變化，而有的序列則會顯現(xiàn)出極強(qiáng)的隨機(jī)性

3、。因此應(yīng)針對不同序列的特點(diǎn)對每個序列分別建立模型進(jìn)行預(yù)測。 該文對負(fù)荷中具有較強(qiáng)周期變化規(guī)律的分量，根據(jù)其特點(diǎn)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型對其進(jìn)行預(yù)測。而考慮到隨機(jī)變化分量在負(fù)荷中所占比例較小，對這些只使用線性加權(quán)法對其進(jìn)行預(yù)測。為增加神經(jīng)網(wǎng)絡(luò)的收斂速度及穩(wěn)定性，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中采用了L-M算法。為了獲得較小的網(wǎng)絡(luò)規(guī)模，取得較快的訓(xùn)練速度及較高的預(yù)測精度，該文對各序列分別采用一組神經(jīng)網(wǎng)絡(luò)，每個時間點(diǎn)分別建立一個網(wǎng)絡(luò)進(jìn)行預(yù)測。最后通過迭加