基于RBF神經網(wǎng)絡與模糊理論的電力系統(tǒng)短期負荷預測.pdf

1、短期負荷預測是電力系統(tǒng)安全調度、經濟運行的重要依據(jù),負荷預測的精度直接影響到電力系統(tǒng)運行的可靠性、經濟性和供電質量。因此,尋求合適的負荷預測方法最大限度的提高預測精度具有重要的應用價值。 根據(jù)電力負荷特性的變化規(guī)律,考慮了日期類型、溫度、天氣狀況等影響負荷預測的因素,本文提出了一種將徑向基函數(shù)(RBF)神經網(wǎng)絡與模糊理論相結合的短期負荷預測的方法。首先,考慮負荷的季節(jié)性變化,對春、夏、秋、冬四季分別建立預測模型,采用模糊聚類分析

2、的方法對負荷預測相關數(shù)據(jù)進行聚類,選用同類特征數(shù)據(jù)作為RBF神經網(wǎng)絡的輸入,對神經網(wǎng)絡進行訓練,從而實現(xiàn)電力系統(tǒng)短期負荷預測；其次,采用在線自調整因子的模糊控制對預測誤差進行在線智能修正使預測模型適應負荷的實時變化；最后,在未來電力市場的環(huán)境下,電價因素也是一個必須在負荷預測模型中加以考慮的因素,為了克服神經網(wǎng)絡在電力市場下進行負荷預測時存在的不足,本文利用RBF神經網(wǎng)絡的非線性逼近能力對不考慮電價因素的預測日負荷進行預測,然后根據(jù)近期