基于神经网络的电力系统短期负荷预测研究

基于神经网络的电力系统短期负荷预测研究作者：周佃民，管晓宏，孙婕，黄勇作者单位：西安交通大学,陕西省,西安市,710049刊名：电网技术英文刊名：POWERSYSTEMTECHNOLOGY年，卷(期)：2002，26(2)被引用次数：72次参考文献(7条)1.IEEECommitteeReportLoadForecastBibliography,PhaseI19802.IEEECommitteeReportLoadforecastbibliography,PhaseⅡ19813.MoghramI.RahmanSAnalysisandevaluationoffiveshorttermloadforecastingtechniques1989(04)4.牛东晓电力负荷预测技术及其应用19985.LeeKY.ChaYT.ParkJHShort-termloadforecastingusinganartificialneuralnetwork1992(01)6.LUCN.WuHT.VemuriSNeuralnetworkbasedshort-termloadforecasting1993(08)7.张乃尧.阎平凡神经网络与模糊控制1994相似文献(10条)1.期刊论文赵宇红.苏泽光.盛义发.匡少滨.ZHAOYu-hong.SUZe-guang.SHENGYi-fa.KUANGShao-binBP神经网络在电力系统短期负荷预测中的应用-南华大学学报（自然科学版）2005,19(3)电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用BP神经网络进行电力系统短期负荷预测时,根据影响因素确定了模型构成,并对输入变量选择进行了讨论,典型算例的计算表明该方法是有效的.2.学位论文张宝平基于遗传BP神经网络的电力系统短期负荷预测2003电力系统短期负荷预测是电力调度部门制定发电计划的依据,是市场环境下编排调度计划、供电计划、交易计划的基础。随着电力工业市场化进程的加快,电力系统短期负荷预测精度的好坏直接影响到产业部门的经济效益,是现代电力系统运行研究中的重要课题之一，它是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要依据。本论文将前馈神经网络应用于电力系统短期负荷预测中，并引入遗传算法对网络的初始参数进行优化，主要研究工作如下：1.电力系统负荷是一个随机非平稳过程，其负荷观测值由于受到各种因素的影响，可能会存在某些“坏数据”或“不良数据”，这些数据夹杂在正常的负荷数据中参与神经网络的训练，严重影响了负荷预测的精度。本文利用统计学的方法，求出某段时间内负荷序列中的均值与方差，再利用偏离率的计算公式计算出负荷序列中每一点的偏离率，并与阈值相比较，从而除去“不良数据”，为准确有效地进行负荷预测提供了保证。2.通过对历史负荷数据规律性的分析，得出负荷是以周为大周期变化，以日为小周期变化，“大周期”中嵌套“小周期”规律变化的结论。在神经网络输入节点的选择方面，除了引入相关历史负荷作训练样本外，还考虑了温度、气候敏感因素和特征日对负荷变化的影响，提高了负荷预测的精度。3.针对神经网络的收敛速度慢的缺陷，本文采用了带有变步长和变动量因子的改进BP算法，针对BP神经网络由于初始权值选取不当容易陷入局部极小点，本文将遗传算法引入到网络初始权值的确定中，提出了遗传算法和BP神经网络相结合遗传BP神经网络的短期负荷预测方法,与传统神经网络方法相比,该方法可以加快网络学习速度和提高学习精度。我们用遗传算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测,仿真实验结果表明该方法加快网络学习速度,并能提高负荷预测精度。3.期刊论文宋人杰.边奕心.闫淼.SONGRen-jie.BIANYi-xin.YANMiao基于小波系数和BP神经网络的电力系统短期负荷预测-电力系统保护与控制2009,37(15)提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法.把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理.详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证.4.期刊论文宋人杰.边奕心.孙世荣.闫淼.SONGRen-jie.BIANYi-xin.SUNShi-rong.YANMiao基于小波系数和BP神经网络的电力系统短期负荷预测-东北电力大学学报2008,28(4)提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法.把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理.详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证.5.学位论文张春娟基于Web的超短期负荷预测研究与实现2007电力系统短期负荷预测对电力系统可靠、安全、经济运行具有重要作用，它是电力系统调度运营部门的一项重要工作，也是电力市场技术支持系统的重要组成部分。它涉及到电力系统的调度运行和生产计划，准确的负荷预测有助于提高系统的安全性和稳定性，能够减少发电成本。随着电力市场的建立和发展，短期负荷预测已成为电力系统管理现代化的重要内容之一。近年来，国内电力生产运行部门，尤其是自动发电控制(AGC)的运行和实现动态经济调度都对超短期负荷预测，即预测未来几分钟至一小时的负荷数据产生迫切的要求。从长远来看，它也是电力市场的所需信息。可见，研究和开发超短期负荷预报具有重要意义和实用价值。而研究短期负荷预测理论与算法并开发高效实用的负荷预测系统己成为十分重要的课题。本文主要针对电力系统超短期负荷的预测算法及其应用软件系统的设计和开发进行了初步研究。作为EMS的一个重要模块，超短期负荷预测日益受到关注。论文介绍了电力系统负荷的组成、特点、分类，接着分析了影响负荷预测准确性的因素及数据预处理方法和误差计算方法，在研究比较了各种常用短期负荷预测方法的优缺点的基础上，以太原地区历史负荷数据为背景，提出了两个预测模型——BP神经网络预测模型和小波神经网络(WNN)预测模型，利用它们进行超短期负荷预测工作。应用Matlab7.0软件，我们建立了一个3层神经网络模型，并在其学习和训练过程中引进BP算法来修正网络权重，实现负荷预测。小波神经网络是用小波函数代替神经网络中的Sigmoid函数，通过利用小波变换理论里多分辨率分析的Mallat算法实现对负荷序列的分解和重构。选择合适的小波基和尺度函数，可以将负荷序列分解成一个低频分量和多个高频分量，对各分量分别建立BP神经网络预测模型，最后叠加各分量预测结果得到最终的负荷预测值。典型算例表明该算法具有辨识精度高、泛化能力强、训练简单和通用性强的优势，能够满足实际应用的要求。随着电力系统信息化进程的深入与发展，电力企业信息系统的开发与应用正逐渐成为行业的热点。针对电网相关部门的实际需要，本文开发了一套基于Web的短期电力负荷预测管理系统。该系统集成于地区电网的调度自动化系统，具有较好的实时性、经济性和实用性。由于电力网络日趋复杂，传统的C/S模式暴露了其工作效率低、管理不完善、维护困难和费用高的一面，而电力系统一体化的生产、管理、调度和指挥，以及信息化、公开化和数据共享显得非常重要。因此本文采用浏览器/服务器(B/S)分布式结构，以安全、高效的MSSQLServer作为后台数据库，选用面向对象的可视化的C＃语言开发核心程序和系统界面。在软件设计过程中充分体现了.NET的特性和优势，通过搭建一个信息服务平台，为电力调度可视化图形数据的网络发布提供了一种解决方案，实现了负荷预测、分析统计、数据查询、考核和打印、调度信息管理等功能。该设计具有良好的开放性、互联性和可扩充性，可望提高电力企业的运行效率和管理水平。6.期刊论文陈明华.CHENMing-hua基于回归BP神经网络的短期负荷预测-企业科技与发展2008(24)负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素.同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测.实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快.7.学位论文刘玲基于粒子群BP神经网络的短期负荷预测研究2006电力系统负荷预测的水平已成为衡量电力系统运行管理现代化的标志之一。尤其是准确的短期负荷预测更具有重要的意义。负荷预测的影响因素较多，既由负荷本身的历史因素决定，还要受众多非负荷因素的影响。非负荷因素中又以气象因素权重最大。负荷坏数据辨识是由负荷曲线聚类和坏数据曲线模式分类两个顺序的过程组成的；本文通过对Kohonen网的聚类和BP网模式分类的效果分析，设计由这两种网络组合而成的神经网络模型，较好地完成了坏数据辨识的任务。本文讨论了影响负荷的各种因素。建立了充分考虑各种因素的短期负荷预测模型，在输入变量中考虑了临近日负荷特点，以及各种气象因素，对输入负荷值进行归一化处理，对温度、降雨和光照等因素进行了量化处理。针对BP神经网络由于初始权值选取不当容易陷入局部极小点的问题，本文将粒子群算法引入到网络初始权值的确定中。与传统神经网络方法相比，本文提出的粒子群算法和BP神经网络相结合的短期负荷预测模型可以加快网络学习速度和提高学习精度。论文用粒子群算法来训练网络参数，直到误差趋于一稳定值，然后用优化的权值用于BP算法。仿真实验结果表明该方法能加快网络学习速度，并提高负荷预测精度。8.期刊论文蒙新华.欧阳伟.MENGXin-hua.OUYANGWei基于BP神经网络短期负荷预测的实现-有色冶金设计与研究2009,30(1)介绍了基于BP神经网络的负荷预测方法.并通过结合一些理论方法(预测前的数据预处理;模糊逻辑对气温、天气变化等影响因素的量化处理;预测后对少量数据的修正),使BP网络预测模型达到较理想的精度.最后,以预测南昌某变电站一日的负荷为例,验证该方法是可行的.9.期刊论文梁海峰.涂光瑜.唐红卫.LIANGHai-feng.TUGuang-yu.TANGHong-wei遗传神经网络在电力系统短期负荷预测中的应用-电网技术2001,25(1)为了克服传统BP神经网络中存在的一些缺陷，实现准确、快速预测电力系统负荷的目的，作者通过将遗传算法与神经网络结合，构造了一种遗传神经网络来进行电力系统短期负荷预测。方法的思路是：首先，利用遗传算法有指导地计算神经网络隐层节点数，从而确定一个较合理的神经网络结构；其次，由遗传算法从初始权值的解群中选取出一优秀的初始权值，克服初始权值选取的盲目性；最后，将得到的神经网络结构和优秀的初始权值结合起来，利用改进的BP算法进行电力系统短期负荷预测。仿真计算表明该方法达到了提高预测精度和改善网络性能的要求。10.学位论文沈佳混沌算法在短期电力负荷预测中的应用2007当对电力系统进行在线控制时，应当用短期负荷预测来实现发、供电的合理调度。短期负荷预测是电力系统安全调度、经济运行的重要依据，负荷预测精度的高低直接影响到电力系统运行的可靠性、经济性和供电质量。人工神经网络是为了研究人类的认知过程而发展起来的，它的中心问题是认知与模拟。由于人类对真实神经系统只了解非常有限的一部分，人工神经网络的完善与发展有待于神经生理学、神经解剖学的研究给出更加详细的信息和证据。混沌神经网络是近年来发展起来的一门新的科学，人们发现了脑中存在着混沌现象，混沌理论可用来理解脑中某些不规则的活动，从而，混沌动力学为人们研究神经网络提供了新的契机，对于混沌神经网络的研究也成为摆在人们面前的又一新课题。本论文针对混沌短期负荷预测法进行了较为深入的研究。在对一般时间序列预测法进行分析的基础上，对混沌的基本理论及其时间序列的相空间重构进行了全面分析，并对某实际电网24小时负荷序列进行了最大Lyapunov指数、延迟时间等参数的计算和分析，发现其中包含了混沌性质，从而为下面的研究工作奠定了基础。根据神经网络的基本原理，建立BP网络模型，按照最陡下降法导出采用S形函数的BP算法。利用M