天气因素在短期电力负荷预测中的应用

《天气因素在短期电力负荷预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2011年3月15日现代电子技术Mar．2Ol1第34卷第6期ModernElectronicsTechniqueVo1．34No6天气因素在短期电力负荷预测中的应用朱继萍(西安文理学院机电工程系，陕西西安710065)摘要：为了更有效地提高地区电网短期负荷预测的精度，提出基于BP人工神经网络原理，利用神经网络高度非线性建模能力，根据电力系统短期负荷变化的特性，建立了既反映电力系统负荷连续性、周期性及其负荷变化趋势，又包含天气因素变化对系统负荷影响的天气因素敏感模型，并对岳阳地区短期负荷进行预测，预测结果

2、表明天气因素应用于电力系统短期负荷预测后使预测精度明显提高，故这种方法是可行和有效的。关键词：BP人工神经网络；短期电力负荷预测；电力系统；天气因素中图分类号：TN911—34；TM715文献标识码：A文章编号：1004—373X(2011)06—0185—03ApplicationofWeatherFactorsinShort—termLoadForecastofPowerSystemsZHUJi-ping(DepartmentofMachineryandElectronEngineering，Xi’a

3、nUniversityofArtsandScience，Xi’an710065，China)Abstract：InordertOimprovetheaccuracyofshort—termloadforecastforlocalpowernets。asensitivemodel，whichnotonlyreflectstheloadcontinuity，periodicityandloadvariationtrendofpowersystem，butalsoincludestheinfluenceofwe

4、atherfactorsonthesystemload．wasestablishedonthebasisofprincipleofBPartificialneuralnetwork(ANN)andbymeansofthenonlinearmodelingabilityofANN．TheshorttermloadinYueyangpowersystemwasforecasted．Theforecastingresultsshowthattheforecastingaccuracywasobviouslyim

5、provedwhenweatherfactorswasappliedtOshort—termloadforecastingofpowersystem．Therefore，thismethodisfeasibleandeffective．Keywords：BPartificialneuralnetwork；short—termpowerloadforecast；powersystem；weatherfactor具有的非线性映射能力和强大的自学习、自适应能力，0引言在负荷预测中得到了越来越多的应用≯。短期负荷

6、预测是电力系统优化调度(如机组最优组1神经网络设计合、经济调度、最优潮流计算等)的基础工具，是电力企业日常经营管理工作的重要组成部分，准确的短期负荷1．1神经网络结构设计预测是电网调度机构制定发供电计划和做好电网供需神经网络的结构选择至关重要，直接关系到预测模平衡的关键，它有助于系统运行人员高效地预估电能的型建立的合理性和预测精度。考虑到短期负荷预测生产输送，分配以及消费情况，制定出经济合理的发电的非线性程度较高，所以采用三层网络。选用有一个隐方案。含层的BP网络进行短期负荷预测。图1为本文用于近年来随着

7、人们物质文化生活水平的逐步提高，生预测的BP网络模型。活用电在社会总用电中所占的比重也越来越大，而生活用电是易受气象因素影响的，不同的地区受不同的气象因素影响，而且影响的程度也不一样，南方地区受降雨的影响要大一些，北方地区受日照和风力的影响要大一些。以时间序列法为代表的经典预测理论lI]，只以历史负荷作为预测的主要依据，没有考虑气象等众多干扰因素对负荷的影响，已经难以满足地区负荷预测的需要。输八层隐敝输⋯近几十年来，以人工神经网络为代表的智能技术由于其图1BP神经网络的预测模型BP网络是一种非线性映射的多

8、层前馈高级人工神收稿Et期：2010—1020基金项目：西安文理学院专项科研基金资助项目(自然科学)经元网络，理论上可以映射任意复杂的非线性关系。取(kcy200816)一个隐含层，输入层为对负荷有影响的一些相关因素，186现代电子技术2011年第34卷输出为待预测的负荷，节点激活函数取为Sigmoid函预测二：考虑2个影响因子的情况。用2006—5—1—数。通过代入历史数据进行神经网络训练，用训练好的14的实际用电负荷以及温