基于小波神经网络的中长期电力负荷预测

被引：10

作者：

贺晓 ^{[1
]}

刘爱国 ^{[1
,2
]}

孙蕾 ^{[1
]}

刘崇新 ^{[1
]}

机构：

[1] 西安交通大学电气工程学院

[2] 宁夏石嘴山供电局

来源：

陕西电力 | 2012年 / 40卷 / 02期

关键词：

负荷预测; 神经网络; 小波分析;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM715 [电力系统规划];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080802 ;

摘要：

电力系统负荷预测是1项复杂的系统工程,其不仅涉及的领域广泛,而且不确定性的因素较多。文中在传统BP神经网络算法、改进型BP神经网络算法基础上,将BP神经网络与小波分析相结合,构建了小波神经网络模型,然后分别应用BP神经网络、改进型BP神经网络和小波神经网络对宁夏石嘴山地区电力负荷进行了中长期预测。通过对比分析表明,采用小波神经网络获得的预测数据比前2种方法获得的预测数据误差均要小。这说明了小波神经网络的预测结果更加准确,即采用BP神经网络与小波分析相结合的方法比单纯地采用BP神经网络算法进行电网负荷预测的效果更佳

引用

页码：4 / 8+22 +22

页数：6

共 13 条

[1] 基于小波包能谱的单相自适应重合闸判据分析 [J].

郝威 ;

杨炳元 ;

曹勇敢 ;

常彦彦 .

内蒙古电力技术, 2011, 29 (02) :4-7

[2] 小波神经网络嵌入专家系统的短期电力负荷预测 [J].

刘东 ;

李莉 .

陕西电力, 2009, 37 (10) :44-48

[3] 专家系统与BP神经网络相结合的短期负荷预测 [J].

李莉 ;

孔哲峰 ;

李鹏 ;

张海蓉 ;

刘崇新 .

陕西电力, 2009, 37 (01) :22-27

[4] 人工神经网络在中长期电力负荷预测中的应用 [J].

朱继萍 ;

戴君 .

西安文理学院学报(自然科学版), 2007, (02) :84-87

[5] 基于小波分析的电力系统短期负荷预测方法 [J].

邰能灵 ;

侯志俭 ;

李涛 ;

蒋传文 ;

宋炯 .

中国电机工程学报, 2003, (01) :46-51

[6]

基于小波神经网络的电力系统负荷预测[D]. 张涛.哈尔滨理工大学. 2009

[7]

基于小波和神经网络的电力系统中长期负荷预测[D]. 陈明.西安理工大学. 2007

[8]

小波神经网络与BP网络的比较研究及应用[D]. 冯再勇.成都理工大学. 2007

[9]

电力系统中长期负荷预测模型的研究[D]. 廉巍巍.太原理工大学. 2007

[10]

小波和神经网络在电力系统中长期负荷预测中的应用研究[D]. 刘学琴.西安理工大学. 2007

← 1 2 →