基于负荷频谱分析的电力系统短期负荷预测

被引:4
作者
杨文佳 [1 ]
张国维 [2 ]
机构
[1] 广东电网有限责任公司电力调度控制中心
[2] 华北电力大学经济与管理学院
关键词
负荷频谱; 小波神经网络; 负荷预测; 电力系统;
D O I
暂无
中图分类号
TM715 [电力系统规划];
学科分类号
080802 ;
摘要
电力系统短期负荷具有非常大的不确定性,而其日负荷信号的频谱具有连续变化的特性。从信号频谱分析角度,对日负荷信息进行建模分析,并通过小波变换,将日负荷数据分解为不同尺度上的投影子序列,用子序列作为小波神经网络的训练样本,然后用训练好的神经网络模型对电力系统的短期负荷进行预测。在Matlab仿真软件中,采用某市某线路的某日负荷数据对算法进行仿真验证,取得了较好的预测结果。
引用
收藏
页码:56 / 60
页数:5
相关论文
共 7 条
[1]   基于Kohonen聚类和SVM组合算法的电网日最大负荷预测 [J].
马小慧 ;
阳育德 ;
龚利武 .
电网与清洁能源, 2014, 30 (02) :7-11
[2]   基于小波变换的混沌神经网络在陕西电网短期负荷预测中的应用 [J].
纪晓军 ;
杨娟 .
陕西电力, 2013, 41 (10) :66-70
[3]   基于相似日小波支持向量机的短期电力负荷预测 [J].
刘梦良 ;
刘晓华 ;
高荣 .
电工技术学报, 2006, (11) :59-64
[4]   基于免疫支持向量机方法的电力系统短期负荷预测 [J].
吴宏晓 ;
侯志俭 .
电网技术, 2004, (23) :47-51
[5]   基于支持向量机的电力系统短期负荷预测 [J].
潘峰 ;
程浩忠 ;
杨镜非 ;
张澄 ;
潘震东 .
电网技术, 2004, (21) :39-42
[6]   小波神经网络及其在电力负荷预测中应用概述 [J].
张大海 ;
毕研秋 ;
邹贵彬 ;
江世芳 .
电力系统及其自动化学报, 2004, (04) :11-15+26
[7]   基于输入空间压缩的短期负荷预测 [J].
许涛 ;
贺仁睦 ;
王鹏 ;
徐东杰 .
电力系统自动化, 2004, (06) :51-54+81