电力系统短期负荷预测方法的研究

短期电力负荷预测是电力系统运行调度中一项非常重要的内容，可以经济合理地安排电网内部发电机组的启停，减少不必要的旋转备用容量；可以合理安排机组检修计划，保证社会的正常生产和生活，提高发电企业的经济效益和社会效益；在目前能源日益紧张的情况下，国家能源发展战略要求逐步降低单位GDP的能源损耗，电力生产和消费日益市场化，短期负荷预测结果成为制定电力市场交易计划的重要依据，这就对短期负荷预测提出了更高的要求。 本文在分析了目前短期电力负荷预测的现状及各种预测方法、预测模型的基础上，针对近年来，商业用电、居民生活用电在社会总用电中所占的比重越来越大，而且这些负荷易受到预测日类型、气候等条件的影响；以及地区负荷水平一般都不是太高，且负荷构成相对简单，因此更易受到气象因素的影响的特点，本文根据某地区电网运行实际，提出把气象因素和日类型作为影响地区负荷预测的主要影响因素，由于考虑到某些影响因素具有不确定性的特点，采用了模糊化的方法对数据进行了处理。 常规算法不能较好地反映气象条件等外界因素对负荷的影响，而近年来人工神经网络法等智能算法具有高度的非线性映射能力，可以较好地考虑气象条件等因素对电网负荷的影响，本文采用了RBF(Radial Basis Function径向基函数)神经网络；但另一方面因许多智能方法在学习收敛的速度方面、收敛的稳定性方面、收敛至全局极小点方面，尚缺乏指导模型自动选择的一般规则，只是在一定程度上加快了收敛速度，本文作者结合近年来有关学者对负荷预测长期研究和不断实践，提出了把模糊控制规则引入到RBF神经网络中，较好的解决了上述问题，并具有较好的应用前景。 根据负荷的数学模型，结合多种负荷预测方法，开发了的短期电力负荷预测应用软件。