论文部分内容阅读
电力系统短期负荷预测工作一直倍受关注,是电力部门的一项重要工作。短期负荷预测关系到电力系统的调度运行和生产计划,准确的负荷预测有助于提高系统的安全性和稳定性,能够减少发电成本。随着电力市场的建立和发展,短期负荷预测将发挥越来越重要的作用。 本文在探讨了电力系统负荷的组成、特点,并分析比较了常用的预测方法优缺点的基础之上,采用人工神经网络与模糊逻辑相结合的方法建立了负荷预测模型,把短期负荷预测工作分为两部分:即基本负荷分量和温度、节假日负荷分量。在人工神经网络部分完成基本负荷分量的预测工作,在此不考虑温度、节假日对负荷变化的影响,减小了神经网络的工作量,并简化了网络结构;在模糊逻辑部分完成对基本负荷分量的修正,仅仅考虑影响负荷变化的温度、节假日等情况,把“模糊语言变量”引入预测系统,达到了“语言变量”与“数字变量”的统一,使专家经验得到充分的利用,得到最终的负荷预测值。 本文研究的短期负荷预测算法简单:通过引进平滑系数和遗忘系数,提高了人工神经网络的学习速度,即快速人工神经网络;在模糊逻辑中,充分利用了人们对负荷变化取得的主观经验,引进不平均隶属函数,来反映负荷对温度的敏感性。 在本文的最后,提出了在电力市场形势下的短期负荷预测工作应该改进的方面,以及为完善电力市场而应该做的准备工作。