電力系統(tǒng)短期負(fù)荷智能預(yù)測(cè)方法的研究.pdf

1、電力系統(tǒng)負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)電力系統(tǒng)安全、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，尤其是在電力市場(chǎng)條件下，負(fù)荷預(yù)測(cè)不僅對(duì)電力系統(tǒng)操作人員、電力市場(chǎng)規(guī)劃者、供電者有著重要的作用，而且對(duì)其他的電力市場(chǎng)參與者也顯得很重要。當(dāng)負(fù)荷預(yù)測(cè)的差額造成大量運(yùn)行成本和利潤的損失時(shí)，高精度和快速的負(fù)荷預(yù)測(cè)就成為電力系統(tǒng)可靠運(yùn)行和電力市場(chǎng)供求平衡的保證，因此對(duì)先進(jìn)的智能預(yù)測(cè)方法進(jìn)行研究是很有必要的。 本文以咸陽地區(qū)購網(wǎng)有功功率的負(fù)荷數(shù)據(jù)為背景，建立了兩個(gè)預(yù)測(cè)模型——神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)

2、測(cè)模型及小波神經(jīng)網(wǎng)絡(luò)組合負(fù)荷預(yù)測(cè)模型。利用這兩個(gè)模型進(jìn)行短期負(fù)荷預(yù)測(cè)工作，并對(duì)其結(jié)果進(jìn)行比較。針對(duì)傳統(tǒng)的BP算法具有訓(xùn)練速度慢，易陷入局部最小點(diǎn)的缺點(diǎn)，采用具有較快收斂速度及穩(wěn)定性的L-M優(yōu)化算法進(jìn)行預(yù)測(cè)，使平均相對(duì)誤差有了很大改善。針對(duì)L-M優(yōu)化算法的BP模型(LMBP模型)峰值預(yù)測(cè)效果較差的情況，采用了MRA(小波多分辨率分析)+LMBP組合負(fù)荷預(yù)測(cè)模型進(jìn)行改進(jìn)。通過使用多分辨率分析將負(fù)荷序列分解成具有不同頻率特征的序列，從而更加清