小波和神經網絡在電力系統(tǒng)中長期負荷預測中的應用研究.pdf

1、電力系統(tǒng)中長期負荷預測是電力系統(tǒng)規(guī)劃建設的依據,其預測的準確程度將直接影響到電力系統(tǒng)的投資、電力網架和電力系統(tǒng)運行的合理性.尤其在我國電力行業(yè)走向市場化的今天,它所提供的未來的負荷數據,對電力系統(tǒng)的調度、運行和網絡建設都是非常重要的.本文首先從負荷預測的概念出發(fā),闡述了電力系統(tǒng)負荷預測的作用、特點和預測技術的發(fā)展以及國內外中長期負荷預測所用的方法和模型,分析了各種方法的優(yōu)點和不足.在此基礎上研究了: (1)一種新型的長期負荷預測

2、方法:廣義回歸神經網絡預測模型.考慮到長期負荷歷史數據比較少,而廣義回歸神經網絡學習速度快并且在樣本數據較稀少時,效果也很好,其網絡可以處理不穩(wěn)定的數據,人為調節(jié)的參數少,只有一個閾值,因此采用廣義回歸神經網絡預測長期負荷.應用本文所提出的廣義回歸神經網絡預測模型預測了我國某地區(qū)的長期負荷,預測結果表明即使在訓練集樣本數據較少時,該方法的預測準確度仍然很高. (2)一種基于小波神經網絡的月負荷預測模型.該模型融合了小波分析良好的

3、時頻局部化特性和神經網絡的優(yōu)點,較好的克服了以往神經網絡結構設計的盲目性,具有較強的逼近能力、收斂速度快并且能有效避免局部極小值.由于月度負荷同時具有趨勢增長性和季節(jié)波動性的二重特性,提出了將橫向歷史負荷和縱向歷史負荷共同作為小波神經網絡的輸入神經元,同時反映波動趨勢和增長趨勢這兩種不同的變化,使得小波神經網絡輸入神經元的確定更具有物理意義. 應用小波神經網絡模型預測了我國某地區(qū)中期負荷,預測結果表明該模型預報精度高,自適應性好