一种配电网超短期负荷预测的神经网络方法

本文详细介绍了负荷预测的意义、方法，并在这一领域里对超短期负荷预测进行了比较全面的论述。 超短期负荷预测是在当今电力飞速发展、自动化水平不断提高的基础上提出的。超短期负荷预测将成为AGC(自动发电控制)实用化的基础，同时也是动态经济调度和电力市场运行所需的基本信息。 进行模型算法的研究是本文的主要工作，我们通过电力负荷在极短时间内变化规律的认识，建立了超短期负荷预测的模型。对此，主要提出了人工神经网络预测方法。 神经网络控制是一种基本上不依赖于模型的控制方法，它比较适用于那些具有不确定性或高度非线性的控制对象，因而神经网络是智能控制的一个重要分支领域。神经网络具有很强的学习及映射能力，可方便的拟合出任意复杂的非线性关系，很适于电力系统负荷预测问题。预测时，只需给定负荷及相关变量的一定数量标本，并对该神经网络进行训练，便可自动模拟出恰当的函数关系。经训练的网络即可直接用于负荷预测。 在本文中神经网络采用双隐层BP网络结构。其网络结构图如下： 一种配电网超短期负荷预测的神经囚络方洁 在训练样本的选取上本文采用了一种正交最小二乘方法，首先对各 变量进行正交变化，得出各输人变量对输出变量的单独贡献，然后确 定必要的训练样本数。 BP神经网络超短期负荷预测的步骤： （二）选取预测基值，把负荷数据初值化： －…．、y（）－y。 y（）＝＝x o’o 其中，y．＿和歹。。为选定值。 （2）用BP网络进行学习； （3）满足训练误差要求，存储网络权重； （4）进行预测：y（t）＝f【y（t－1），y（t－2），…，y（t－－－－x）］ 神经网络预测方法与线性外推法预测效果如下图所示： 尽I 人j’＼”、．”－．／八二上．、。”～tV1 吧羹00 问到0o 吧吕＊口 雹＠00 司可0⑤ 图2 两种负荷预测方法预测值与实际值的比较 0 经过对实际数据的仿真实验，神经网络负荷预测方法比线性外推法 预测平均绝对百分误差降低2．5个百分点＊小时内负荷预测达到平均绝 对百分误差小于2．5％的精度。