“一致、信心、可靠”的2006 FF年会.pdfVIP

维普资讯

基于级联网络的电力系统短期负荷预测赵字红。等

以某地区电网20O2年l1月1日到20O3年11月1日参考文献

的历史负荷数据和该地区对应31期的天气数据为依据，l于尔铿，刘广一，周京阳．能量管理系统[M]．北京：科学出版社，

2001：51—53．

预测该地区2O03年l1月2日24小时电力负荷，预测结果

2张国忠，熊传。向求新。等．应用人工神经网络预测电力系统负

(限于版面，只列出该天的奇数点预测值)如表1所示。

荷[J]．电力自动化设备，2002，22(5)：20—21．

从表1可以看出，基于级联模糊神经网络的电力

3LiaoGwoching，TsaoTapeng．ApplicationofFuzzyNeuralNetorks

系统短期负荷预测模型的最大相对误差为2．51，最小andArtificialInteUigenceforloadforecasting[J]．ElectricalPower

相对误差为0．09。而基于传统的BP神经网络预测模Research，2004。70：237—244．

型的最大相对误差为4．13，最小相对误差为0．40。可4AL—KandariAM．SolimanSA。EI—HawaryME．FuzzyShort-term

见本文所建的预测模型有更好的预测精度。ElectricLoadForecasting[J]．ElectricalPowerandEnergySystem，

2004，(26)：111—122．

4结束语5RUEY—HSUNLIANG．CHING—CHICHENG．Short-termloadfore。

castingbyaneuron-fuzzybasedapproach[J]．ElectricalPowerand

一一～一一一一一一一一

本文在分析了电力负荷运行曲线的基础上，构建EnergySystem。2002。24(2)：103—111．

r基于级联网络的负荷预测模型，综合考虑了天气、日

类型、历史负荷等几个影响电力系统短期负荷的最主

修改稿收到日期：2005—11—21

要因素，充分发挥了神经网络和模糊理论处理非线性第一作者赵宇红，士，1973年生。2004年毕业于南华大学电气工程

问题的优点。实例表明这是一种行之有效的短期负荷学院，获硕士学位。讲师；主要研究方向为人工智能在电力系统中的应

预测方法。用。

～一一一一一一一一一

：项目。他说，ARC咨询集团提供的研究成果表明，在新的现场总线项目中，无论其规模大小，也无论是改造更：

2新项目还是新建项目，基金会现场总线都是用户的首选。：

2大会讨论了现场总线在中国和亚太地区的市场扩张的需求，在这些地区基金会现场总线已经成了一；

：种工业标准技术。中国是世界最