基于模糊神经网络的短期电力负荷预测的研究

短期负荷预测是电力系统安全经济运行的前提,在电力系统发展日趋复杂的今天,传统的负荷预测技术越来越难以满足电力部门负荷预测精度要求,应用智能算法进行电力系统的短期负荷预测,提高负荷预测的精度和稳定性,具有十分重要的意义。在分析了电力系统负荷预测的意义和方法之后,本文在研究模糊推理和神经网络的基础上,提出了构造模糊神经网络模型的新方法,将模糊推理融入到了BP网络中,并且用遗传算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测,仿真实验给果表明该方法加快网络学习速度,并能提高负荷预测精度。