基于贝叶斯正则优化NARX神经网络的电力负荷预测

摘要

随着智能电网建设阶段的不断推进,以及电力市场运营机制的逐渐完善,电力负荷预测工作的重要性与日俱增。针对传统的前馈型神经网络预测模型存在泛化能力不强、预测精度较差的问题,设计了一种基于贝叶斯正则优化NARX(Bayesian regularization nonlinear autoregressive with exogenous inputs,BR-NARX)神经网络的电力负荷预测方法。介绍了NARX神经网络以及贝叶斯正则优化算法的理论分析与模型搭建;基于某省电网公司的历史负荷数据,以及供电区域内相应的气象信息等数据,进行数据分析及预处理工作;以实际应用算例测试,分析所构建BR-NARX神经网络的模型性能,并与BP、BR-BP、NARX3种神经网络模型进行预测效果的对比。算例结果显示,BR-NARX模型具备显著提升电力负荷预测精度的性能,能够为实际电力负荷预测工作的进一步发展提供思路。