组合预测模型在湖州电网短期负荷预测中的应用

短期电力负荷预测是电力调度部门的重要工作。随着经济发展和电力市场的不断完善,负荷预测工作直接影响电力系统的经济效益和社会效益,其精度要求也越来越高。而短期电力负荷受到天气等众多不确定性因素影响,其变化规律复杂,预测难度较大,随着负荷预测精度要求越来越高,单一模型预测手段已经捉襟见肘,本文根据湖州电网负荷变化周期性规律以及地区负荷基数较小、预测精度易受天气因素影响的特性,提出一种基于同类型日的新息峰谷差值标么化倍比平滑法与BP神经网络加权组合的预测模型。历史负荷数据的质量对负荷变化规律的总结和归纳意义重大。但历史负荷数据中难免出现异常数据和噪音,本文对湖州电网历史负荷数据进行了预处理,对历史负荷数据中的异常数据进行了归类,提出了识别方法,并根据不同类型提出了相应的修正方法。用小波阀值去噪方法,对负荷曲线中的锯齿做了平滑。本文分别探讨了基于同类型日的新息峰谷差值标么化倍比平滑法和BP神经网络,并分别进行了预测,对效果进行了验证。最后就单项预测模型结果进行分时段变权重组合建立组合预测模型,并对预测结果进行了分析与对比,利用半联合参数自适应进行了优化,找出了精度满足要求的湖州电网日负荷预测组合模型。