短期负荷预测神经网络方法比较

《短期负荷预测神经网络方法比较》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、维普资讯http://www.cqvip.com第35卷第6期继电器Vb1．35No．62007年3月16日RELAYMar．16，2007短期负荷预测神经网络方法比较李晓波，罗枚，冯凯(1．漯河职业技术学院，河南漯河462000；2．陕西纺织服装职业技术学院，陕西成阳712000)摘要：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型一一sDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使

2、平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度迪陵(慢干SDBP模型)，不适于在实际应用中采用。关键词：短期负荷预测；人工神经网络；L-M算法；贝叶斯正则化算法；优化算法Comparisonofneuralnetworkmethodsforshort-termIoadforecastingLIXiao．bo，LUOMei2FENGKai’,(1．LuoheVocationalandTechnicalCollege，Luohe462000，

3、China；2．ShanxiTextileandGarmentInstitute，Xianyang712000，China)Abstract：Basedontheloaddataofmeritoriouspowerofthepowersystemofsomearea，threeBPANNmodels，namedSDBPmodel，LMBPmodelandBRBPModel，areestablishedtocarryouttheshort—termloadforecastingwork，andtheresultsarecompared．Asforth

4、etraditionalBPalgorithmhassomeunavoidabledisadvantagessuchastheslowtrainingspeedandthefeasibilityofbeingplungedintolocalminimums，anoptimizedL—Malgorithm，whichhasaquickertrainingspeedandbeRerstability,shouldbeappliedtoforecast,whichcanefectivelyreducethemeanrel~iveerror．Soithas

5、agoodapplicationprospect．Incontrast，BayesianRegularizationcanovercometheexcessivefitting，improvethegeneralizationofanANNandreducethemeanrelativeerrorandtherelativeerorofeverydaypeal(values，itisnotsuitableforactualapplicationbecauseofitsslowtrainingspeed(slowerthanSDBPmode1)．Ke

6、ywords：short-termloadforecasting(STLF)；ANN；Levenberg·Marquardtalgorithm；Bayesianregularization；optimizedalgorithms中图分类号：TPI83文献标识码：A文章编号：1003．4897(2007)06—0049—05Peng、Sharkawi等人先后利用神经网络进行电0引言力系统短期负荷预测，把预测误差从传统方法的电力系统负荷预测是实现电力系统安全、经济4．22％降低到2．06％，引起负荷预测工作者的高度重运行的基础，尤其是在电力市场条件下，

7、负荷预测视，再次掀起负荷预测的热潮。它杰出的学习能力、不仅对电力系统操作人员、电力市场规划者、供电处理输入输出变量问的非线性关系的能力，使它取者有着重要的作用，而且对其他的电力市场参与者得了比传统负荷预测更好的效果，精度提高了许也显得很重要。当负荷预测的差额造成大量运行成多。本和利润的损失时，高精度和快速的负荷预测就成但是，用ANN进行短期负荷预测也有它本身的为电力系统可靠运行和电力市场供求平衡的保证，致命缺点：①收敛速度慢、容易陷入局部极小点；因此对先进的智能预测方法进行研究是很有必要②需要大量的训练数据。另外，它还存在学习过程的。中训练精度不确

8、定性的问题。为了克服ANN的这些人工神经元网络一经引入电力系统，负荷预测缺点，提高各类日期的负荷预测精度，近年来出现就成为