基于神经网络的短期负荷预测的研究与实现

电力系统短期负荷预测是能量管理系统(EMS)的重要组成部分,是电力系统调度运营部门的一项重要的日常工作,其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。 本文介绍了历史负荷数据中不良数据的成因与对负荷预测的影响,提出了根据差分方法的思想,修正不良数据,消除负荷曲线毛刺的方法。在深入分析电力负荷周期性变化规律以及夏季气温对短期负荷的影响基础上,本文设计了基于BP神经网络并考虑气温因素的短期负荷预测模型,该模型选择了动量.自适应学习速率调整算法改进BP网络,有效提高了BP网络的收敛速度,抑制了BP网络容易陷入局部极小点的缺点,并采用独特的气温量化处理,充分考虑了气温对电力负荷的影响。利用湖南历史负荷数据比较该预测模型与未含气温因素的神经网络模型的预测效果,证明该预测模型能有效地提高短期负荷预测的精度,具有良好的实用性和可行性。 最后介绍了短期负荷预测软件的设计与实现,该软件系统采用B/S模式,基于.net平台开发。由于本系统预测效果理想,在实际使用中,有效地缓解了电力公司负荷预测人员预测工作的压力,得到了用户的好评。