基于改进BP算法的电力系统短期负荷预测

电力系统负荷预测是电力系统运行调度中一项非常重要的工作内容。论文首先介绍了电力系统负荷预测的意义和研究现状,深入分析了电力系统负荷的组成、分类及其周期性的变化规律,并着重研究了影响电力系统负荷变化的各种因素。应用改进的BP神经网络,建立了充分考虑各种因素的电力系统短期负荷预测模型,在输入变量中考虑了临近日负荷特点、日类型,以及各种气象因素,对输入负荷值进行归一化处理,对温度、降雨和光照等因素提出了独特的量化处理方法。同时,应用SCG算法于神经网络训练中,有效地提高了神经网络的收敛速度和负荷的预测精度。仿真表明,预测结果与实际结果吻合良好。