改进Elman神经网络的综合气象短期负荷预测.pdf

《改进Elman神经网络的综合气象短期负荷预测.pdf》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、第40卷第22期电力系统保护与控制V_01．40No．222012年11月16日PowerSystemProtectionandControlNOV,16。2012改进Elman神经网络的综合气象短期负荷预测刘荣，方鸽飞(浙江大学电气工程学院，浙江杭州310027)摘要：由于地区电网负荷受气象因素影响较大，提出了综合考虑气象因子的处理方法该方法采用综合气象因子(人体舒适度和温湿指数)作为输入，克服了气象因子直接输入时输入量多、预测时问长的缺点。同时，针对BP神经网络动态性能的不足，建立基于Elman动态神经网络的短期负荷预测模型，并对该模型的激励函

2、数和网络结构进行改进。改进后的模型考虑了电网的动态特性，减少了神经网络输入量，增强了负荷预测模型的适应性。采用杭州地区实际数据对提出的方法和模型进行验证，结果显示该方法和模型能明显提高负荷预测精度，表明该方法和模型是实用有效的。关键词：短期负荷预测；Elman神经网络；综合气象因子；激励函数；双隐含层Short-termloadforecastingwithcomprehensiveweatherfactorsbasedonimprovedElmanneuralnetworkLIURong，FANGGe-fei(CollegeofElectrica

3、lEngineering，ZhejiangUniversity,Hangzhou310027，China)Abstract：Sincetheregionalpowerloadissignificantlyafectedbyweatherfactors，amethodconsideringweatherfactorsisproposed．Thismethodusescomprehensiveweatherfactors，namelythehumanbodyamenityindicatorandTHI(temperatureandhumidityind

4、ex)，asinputs,whichovercomesthedisadvantagessuchastoomanyinputsandlongforecastingtimewhenweatherfactorsaredirectinputs．Besides，inviewoftherelativelylowdynamicperformanceofBPneuralnetwork，ashort-termloadforecastingmodelbasedonElmanneuralnetworkisprovided．Furthermore，improvements

5、onexcitationfunctionandthestructuresofnetworkhavebeenmade．Theimprovedmodelconsidersthegrid’Sdynamicalperformance，decreasesthenumberofinputsandenhancestheadaptabilityoftheloadforecastingmode1．ThispaperhasverifiedthemethodandmodelusingthedataofHangzhou．Theresultsshowthatthemetho

6、dandmodelcarlsignificantlyincreasetheprecisionofprediction，thusthemethodandmodelarepracticalandefective．Keywords：short-termloadforecasting；Elmanneuralnetwork；comprehensiveweatherfactor；excitationfunction；two—hiddenlayer中图分类号：TM715文献标识码：A文章编号：1674—3415(2012)22．0113—05另外，在影响短期负荷

7、预测精度的诸多因素0引言中，气象因子(包括温度、湿度、风速等)对短期电力系统短期负荷预测是电力系统运行调度负荷预测精度有很大的影响【4．，准确分析其对负荷中一项非常重要的内容，是电力市场的重要组成部的影响具有重要意义。本文通过对温度、湿度、风分，是电力系统安全、稳定、经济运行的保障和基速等基础气象因子的综合考虑，引入人体舒适度和础。短期负荷预测的精度直接影响到电力系统的经温湿指数这两个综合气象因子，并与基础气象因子济效益⋯，因此，提高短期负荷预测精度的研究具直接输入进行比较，基于改进后的Elman神经网络有重大意义。进行短期负荷预测，既减少了输入量

8、，又有效地提目前在电力系统短期负荷预测领域中人工神经高了短期负荷的预测精度。网络是一种有效的预测手段J。在众多神经网络中，