基于神经网络的短期负荷预测

本论文通过对吉林省和沈阳地区的历史负荷数据分析，结合神经网 络的预测算法，建立了相应的短期负荷预测模型，并在此基础上，利用 面向对象的编程方法实现短期负荷预测程序。 由于负荷的周期性变化规律且负荷与一些的影响因素密切相关， 如最临近负荷值、温度、降雨量等。本论文首先将负荷数据按季节分类， 然后对不同类型的日负荷曲线分成工作日、周末日和节假日三种类型的 神经网络预测模型。为了提高神经网络的训练速度和精度，对每种不同 的神经网络模型，将日负荷模型分段，选择出与预测日负荷相关的输入 变量，比较得出最佳的输出变量。 神经网络预测技术中，选择共轭梯度法作为训练算法，在很大程度 上提高了神经网络的收敛速度和精度。在进行短期负荷预测时，应用K 均值聚类原理将与预测日天气因素近似的样本挑出重新修正权值，并建 立人工修正负荷预测值的依据。 利用吉林省和沈阳地区的历史负荷数据比较未含天气因素的神经网 络模型和具有天气因素的神经网络模型的预测效果，证明神经网络预测 模型便于考虑负荷相关因素，预测精度良好，适用于在线应用。