基于PSO-BP的短期电力负荷预测研究

电力系统的短期负荷预测是指以周、天、小时为单位的负荷预测,它是现代电力系统运行研究中的重要课题之一。电力系统短期负荷预测的结果是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要依据。实践证明,在电力系统发展日趋复杂的今天,各种传统的负荷预测技术已经越来越难以满足电力部门越来越高的负荷预测精度要求,所以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。 本文首先概述了电力系统短期负荷的原理、特点、研究现状及发展趋势,分析了影响负荷预测精度的因素,对电力系统的短期负荷预测的各种传统方法及现代方法进行了综述,并重点研究了人工神经网络在短期电力负荷预测中的应用。针对神经网络中最常用的BP算法所存在的收敛速度慢,容易陷入局部极小问题,本文应用一种改进的PSO算法来优化BP神经网络,进行电力负荷预测。 应用某市的历史负荷数据对建立的短期负荷预测系统进行了测试验证,与传统的BP神经网络相比,可以看出本文所建立的基于粒子群优化算法的神经网络预测模型能提高预测精度和速度,其预测性能明显优于基于BP神经网络的负荷预测,具有很好的非线性映射能力,有进一步开发并应用于实际在线预测的良好前景。