基于小波包分析的短期负荷预测研究

随着现代社会的快速发展,我国人民的生活质量在不断提高,在人民日常生活和国民经济建设中电能已经成为不可取代的重要能源。持续发展的国民经济,促使用电需求量飞速增长,从而导致了电力行业的发展十分迅速。 电力系统短期负荷预测是电力系统经济运行和系统安全稳定运行的重要组成部分,一直以来都是电力系统中研究的重要课题。随着电力用户的复杂多样化,用户对电能质量的要求也越来越高,短期负荷预测被要求有更快的预测速度和更高的预测精度。小波分析是近年来发展十分迅速的一种时频分析工具,用于分析既含有周期分量又含有随机分量的电力负荷数据有其独特的优势,各种基于小波分析的短期负荷预测法应运而生。 本文研究了基于小波包变换的综合短期负荷预测算法,采用小波包变换对负荷数据进行分解,将负荷序列分解之后,本文应用了传统BP神经网络和马尔科夫链分别进行建模预测,通过MATLAB编程对实例仿真验证,表明这两种方法都具有一定的可行性。通过研究认识到峰式马尔科夫链优于传统马尔科夫链,进而首次将其应用于电力系统短期负荷预测中,本文提出了一种改进的预测算法,即基于小波包和峰式马尔科夫链的短期负荷预测算法。使用MATLAB编程对同一实例进行了仿真,并对比预测结果,改进算法的预测精度有较大提高,验证了本文所提出的短期负荷预测算法是正确有效的。