地区级电力负荷预测方法的研究-农业工程;农业电气化与自动化专业论文.docxVIP

华北电力大学硕士学位论文 华北电力大学硕士学位论文 I I 摘 要 电力负荷预测是运用预测理论的方法，根据电力负荷的组成以及影响负荷变动 的各种因素，即考虑到历史数据的变化规律也发掘负荷与影响因素间内在的联系及 规律，由此总结归纳出未来负荷会受到的影响和变化趋势，并运用此归纳规律来预 测未来的负荷。负荷预测精度可以提供基础数据，在调度工作中起着十分重要的作 用，在电力系统的安全可靠运行中尤其基础性地位，如何进一步提高预测精度是必 要的研究。本文初步分析了目前应用于电力负荷预测的多种预测方法和模型的优缺 点以及这些模型对于实际预测的适用性，研究了灰色模型预测理论中的 GM(1,1)模 型，人工神经网络中的 BP 神经网络、RBF 神经网络、Elman 神经网络，并以此为 基础，对比分析了几种不同神经网络预测模型在组合预测模型中的适用性。 本文基于灰色 GM(1,1)模型和人工神经网络模型，建立采用最小二乘法求解的 变权重组合预测模型。通过实际数据进行特性分析，选取合适的变量作为输入。分 别用 BP 神经网络、RBF 神经网络、Elman 神经网络三种神经网络与灰色 GM(1,1) 组合建立预测模型，对某地区分别进行短期和中长期的社会总用电量预测，通过得 到的预测结果与实际负荷值对比，分析了不同模型下预测值和真实值的图形曲线走 向趋势，也计算并对比了三种模型下所得预测结果与真实值的相对误差，通过得到 的误差结果来分析此三种神经网络在电力负荷预测方法中的应用优劣以及对于文 中提供负荷数据的地区是否有其适用性。在 MATLAB 仿真中，利用实际负荷数据 作为输入得到预测值曲线，结果表明，在短期负荷预测中，采用 Elman 神经网络和 灰色预测结合的组合模型所得出的结果准确度要优于另两种组合模型，更适用于文 中所选地区；在中长期负荷预测中，采用 RBF 神经网络和灰色预测结合的组合模型 整体上稍稍优于采用 Elman 网络的模型，但是二者的直观差异性并不明显，所得出 的结果准确度均要优于采用 BP 网络的模型，所以采用 RBF 神经网络和灰色预测结 合的组合模型更适用于文中所选地区的实际情况。 关键字：负荷预测；GM(1,1)模型；神经网络；变权重组合 II II Abstract Power load forecasting is a method using the prediction theory, according to the parts of electric power load and various factors influencing the load changes, which take the change law of historical data and the influence rule of intrinsic factor load into account. It summarizes the effects of future load and change trend, and uses the law to predict the future load. Load forecasting provides the basic data and plays a very important role in the work and the safe operation of the power system especially the basic position. How to further improve the prediction precision is necessary to study. This article analyses the advantages and disadvantages and applicability of various methods currently used in power load forecasting, prediction in grey model, artificial neural network. It also to study a comparative analysis of several different neural network prediction model in the application of combination forecasting model on this basic theories. The variable weight combination, based on the grey model as well as the artificial neural