随着科技与经济的快速发展,电力生产部门可以借助准确的负荷预测,对机组进行经济合理地启停,并以此制定更合理规范的检修计划,从而减少负荷备用容量,降低发电成本,达到提高经济效益的目的。研究具有精度高且实用性强的负荷预测方法对于电力的市场化及智能电网的发展是非常必要的。为了进一步改善中长期负荷预测的预测效果,论文主要研究了以下内容:(1)介绍了三种多项式拟合模型。分别介绍了代数多项式,切比雪夫多项式和雷让德多项式。三种多项式都广泛适用于曲线拟合和数值分析。其中,代数多项式属于非正交多项式,而切比雪夫多项式和雷让德多项式属于正交多项式,也因为这两种多项式的优良性质,相比代数多项式更适用于曲线拟合和其他应用。(2)对目前使用最广泛的三种算法—梯度下降法、共轭梯度法和梯度最小二乘法—进行了对比分析。分析这三种算法的性质可知,梯度下降法取负梯度方向为搜索方向,该法程序简单,每次迭代的计算量少,节省了存储空间,对于不太好的初始点也能收敛。但它的收敛速度呈线性化,收敛速度受到很大限制。共轭梯度方法常常用来解决大规模的非线性优化问题。该方法仅需利用目标函数值和梯度函数值,却避免了梯度下降方法收敛速度慢的问题。另外,它还具有无矩阵的存储以及二次终止性等优点。但是共轭梯度法的收敛性取决于步长因子α有一个良好的取值,若步长因子α取值不当,算法有可能根本不收敛或是收敛到一个无法运行的解点上。该方法通过递推最小二乘法训练权值系数,并对历史数据进行拟合以实现预测模型的参数估计。而递推最小二乘法具有算法简单、易于实现等特点,因此被广泛应用。(3)提出一种基于Chebyshev多项式的预测方法。该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式模型对负荷量的最优拟合,再利用训练好的切比雪夫多项式模型实现中长期负荷预测。仿真结果表明,该方法能较好模拟负荷的变化规律,预测结果提高了一个数量级,具有一定的中长期负荷预测能力。另外,通过仿真实例也可看出,改用Laguerre多项式的神经网络模型的预测方法也具有同等的预测精度。