基于改进BP神经网络的电力负荷预测研究

电力负荷预测是电力管理系统重要的工作之一,直接影响了电力调度及安全生产,为电力系统发电和检修计划以及电价报价提供了依据,预测结果的精准度与电力部门的经济效益紧密相联。随着我国电力市场的供需矛盾增加,社会生产力的迅猛发展,信息化的发展速度加快,对电流负荷预测的准确度要求愈来愈高,因此就需要合理有效的预测方法模型来实现。BP(Back Propagation)神经网络预测法因其可塑性强、结构简单的优点得到了广泛的应用,但是也存在着收敛速度慢、易陷入局部极小、训练过程中容易发生波动和振荡、网络结构难以确定等不足。 本文首先研究了电力负荷预测和BP神经网络的国内外综述;其次概述了电力负荷预测的概念、特点及分类,并分析了电力负荷预测的影响因素和预测的基本过程;接着对神经网络相关理论进行了相关研究,特别是对BP神经网络结构设计、学习参数的选取以及BP神经网络标准学习算法等相关问题进行了较深入的研究,在此基础上建立了基于标准BP算法的电力负荷预测模型,通过实证分析得知建立的模型预测能力不足;然后分析了标准BP算法的电力负荷预测模型预测结果精确度不高的原因,并进行了BP算法的改进,建立了基于改进的BP算法神经网络电力负荷预测模型,以黑龙江省巴彦县电力负荷预测为背景,进行了实证分析,证实了改进后的预测模型的实际可操作性;最后,给出了提高电力负荷预测准确性管理对策建议。