短期電力負(fù)荷的智能化預(yù)測(cè)方法研究.pdf

1、當(dāng)電力系統(tǒng)進(jìn)行在線控制時(shí),應(yīng)當(dāng)用短期負(fù)荷預(yù)測(cè)來(lái)實(shí)現(xiàn)發(fā)、供電的合理調(diào)度.短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全調(diào)度、經(jīng)濟(jì)運(yùn)行的重要依據(jù),負(fù)荷預(yù)測(cè)精度的高低直接影響到電力系統(tǒng)運(yùn)行的可靠性、經(jīng)濟(jì)性和供電質(zhì)量.本文在短期負(fù)荷預(yù)測(cè)方面所做的主要研究工作如下:1.通過(guò)對(duì)歷史負(fù)荷數(shù)據(jù)進(jìn)行垂直和水平預(yù)處理,使其更能體現(xiàn)電力負(fù)荷的變化趨勢(shì),為短期負(fù)荷預(yù)測(cè)模型利用這些歷史數(shù)據(jù)奠定了基礎(chǔ);將自相關(guān)系數(shù)的概念應(yīng)用于短期負(fù)荷預(yù)測(cè)模型的輸入變量選擇,提出采用近大遠(yuǎn)小原則和自相

2、關(guān)理論相結(jié)合的方法進(jìn)行輸入變量的選取,找到一組合適的輸入變量來(lái)有效地解釋負(fù)荷的變化關(guān)系.2.將神經(jīng)網(wǎng)絡(luò)與模糊邏輯相結(jié)合建立了組合負(fù)荷預(yù)測(cè)模型,神經(jīng)網(wǎng)絡(luò)只處理歷史負(fù)荷信息,既縮短了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間,又避免了由于神經(jīng)網(wǎng)絡(luò)對(duì)其它信息的不敏感而造成的錯(cuò)誤學(xué)習(xí);而模糊邏輯則處理對(duì)負(fù)荷變化影響較大的氣溫、節(jié)假日等因素.根據(jù)負(fù)荷變化的具體特點(diǎn),構(gòu)造出這些因素的隸屬函數(shù)和模糊規(guī)則庫(kù),從而用模糊邏輯實(shí)現(xiàn)對(duì)基本負(fù)荷分量的修正.與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比

3、,該組合模型充分利用了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力,以及模糊邏輯對(duì)主觀經(jīng)驗(yàn)的吸收,能夠充分考慮氣溫和節(jié)假日等因素對(duì)系統(tǒng)負(fù)荷造成的影響,在一定程度上可以提高負(fù)荷預(yù)測(cè)結(jié)果的準(zhǔn)確性,特別是可以明顯提高對(duì)周末和節(jié)假日負(fù)荷預(yù)測(cè)結(jié)果的準(zhǔn)確性.3.結(jié)合電力負(fù)荷非線性變化的特點(diǎn),提出了一個(gè)具有混沌機(jī)制的模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型.4.為了克服當(dāng)預(yù)測(cè)日天氣出現(xiàn)快速變化,預(yù)測(cè)誤差也隨之增加的問(wèn)題,提出了一種新的具有反饋遞歸結(jié)構(gòu)的在線實(shí)時(shí)負(fù)荷預(yù)測(cè)模型.該模型在天氣條件發(fā)生較