基于智能神经网络的混合模型在电力负荷预测中的应用

摘要：

短期电力负荷预测在电力系统的运行中起着非常重要的作用,因此,在电力系统中设计准确而又稳定的电力负荷预测算法是十分必要的.然而,由于电力负荷呈现出很大的波动性,并且具有非线性特征,电力负荷的预测成为一个棘手的问题.近年来,BP模型被视为预测具有非线性特征的时间序列的一种有效的非线性预测模型.然而,由于参数的确定问题,原始的BP预测模型不能满足时间序列预测的需求,因此,在本文中提出了基于BP模型参数优化的两种混合模型,即基于季节指数自适应的ESA-GA-BP模型和ESA-PSO-BP模型,在提出的混合模型中,利用PSO算法和GA算法来选择BP模型的参数.采用澳大利亚昆士兰州1的电力负荷数据来评估提出的混合模型的有效性,实验结果表明,提出的两种混合模型不仅十分有效,而且非常适用于电力负荷时间序列的预测 .

关键词： 电力系统 负荷预测 混合模型 智能神经网络

作者: 宋曦 王倩 刘诣超 祁莹 赵红

作者单位: 国家电网甘肃省电力公司 国家电网甘肃电力科学研究院 甘肃省兰州市城关区北滨河东路8号,730030

会议类型: 国内会议

会议名称: 2016年中国电机工程学会年会

会议地点: 南京

会议语种:中文

页码: 1-7

在线出版日期: 2016-11-15（万方平台首次上网日期，不代表论文的发表时间）