基于神经网络的短期负荷预测研究

短期负荷预测是电力系统安全经济运行的前提，随着电力系统的市场化，高质量的短期负荷预测越来越显得重要和迫切。神经网络方法在短期预测中已经被公认为较有效的方法，本文针对神经网络用于电力系统短期负荷预测的几个方面展开研究工作： 第一部分研究一般用于负荷预测的神经网络BP模型的算法，即对传统的BP算法的改进，将一种基于模式逼近度和接受概率的变步长快速BP算法应用到短期负荷预测，仿真结果表明该方法有效的改善了BP算法收敛速度慢以及容易陷入局部最小点的缺点，从而提高了神经网络用于负荷预测的效率和精度。 第二部分研究神经网络的结构问题，利用遗传算法对网络的隐含层个数进行寻优，从而避免了隐含层选择的盲目性，使得预测在更加合理的网络结构上进行，提高了预测的精度。 第三部分以郑州地区为代表，研究了该地区的负荷特性，并且在此基础上，提出了一种针对普通目的基于天气影响因素差异度的神经网络预测方法以及一种针对特殊节假日的基于模糊逻辑的负荷预测模型。