基于神经网络的短期电力负荷预测模型研究

摘要

电力系统负荷预测是实现电力系统安全、经济运行的基础，快速的和高精度的负荷预测系统是电力市场供求平衡和电力系统可靠运行的保证。在电力市场条件下，当负荷预测的差额造成大量运行成本和利润损失时，研究先进的智能负荷预测方法是很有必要的。
　　 本文首先概述了现有的各种电力负荷预测方法，研究现状及发展趋势。在传统方法的基础上研究了神经网络法在短期电力负荷预测中的应用，研究了SOM算法在剔除不良负荷样本中的应用；详细介绍了BP神经网络，RBF神经网络和Elman神经网络的结构组成并对训练算法的原理做了详尽的分析，分别建立了基于BP神经网络，RBF神经网络的短期电力负荷预测模型，分析比较了不同隐含层单元对模型预测结果的影响；分析了粒子群算法(PSO)原理，针对BP算法训练Elman建立负荷预测模型存在的收敛速度慢等缺点，研究了PSO-BP混合算法训练Elman神经网络建立短期电力负荷预测模型的方法；比较了不同神经网络建立的短期电力负荷预测模型的仿真结果，对仿真结果做了详尽的分析，结果表明基于神经网络的负荷预测法在短期电力负荷预测的应用中具有较大优势。
　　 最后，根据实际的应用情况提出了负荷模型预测存在的问题和对后续的研究见解。