电力系统短期负荷预测方法综述(2)
科Ｉ技ｌ论ｌ坛科蕊电力系统短期负荷预测方法综述
马莹莹
（山东省建设高压容器有限公司，山东济南２５０１０１）
摘要：首先论述了短期负荷预测的特点和预测精度的影响因素，然后将目前的算法分为经典方法、传统方法、智能方法和预测新方法，综合分析了目前各种预测方法的原理，分析和比较各个方法的优点和不足之处，最后，指出了提高短期预测精度的方法和未来发展方向。
关键词：电力系统；短期负荷预测；专家系统
众所周知，电力系统的作用就是为各类用户提供可靠且合乎质量要求的电能，以随时满足各类负荷的需求。短期电力负荷预测主要是指预报未来几小时、一天至几天的电力负荷。
短期负荷预测作用的大小主要取决于预测精度，针对目前的短期预测方法进行了综合比较分析，分析了各种预测方法的原理，及其优点和不足之处，并指出了未来短期负荷预测理论的研究方向，为实际短期负荷的预测提供借鉴作用。
目前用于短期负荷预测的方法很多，可以分为经典预测方法、传统预测方法和智能预测方法等，然而，目前尚无一个固定的方法和模型可以适用于一切短期负荷预测，以下内容对各种预测方法进行了分析和比较。
１经典方法。１．１回归分析法。回归分析预测方法是根据历史数据的变化规律和影响负荷变化的因素，寻找自变量与因变量之问的相关关系及其回归方程式，确定模型参数，据此推断将来时刻的负荷值。回归分析法的优点是计算原理和结构形式简单，预测速度快，外推性能好，对于历史上没有出现的情况有较好的预测。存在的不足在于对历史数据要求较高，采用线性方法描述比较复杂的问题，结构形式过于简单，精度较低；该模型无法详细描述各种影响负荷的因素，模型初始化难度较大，需要丰富的经验和较高的技巧。１．２时间序列法。时间序列方法是目前电力系统短期负荷预测中发展较为成熟的算法，根据负荷的历史数据，建立描述电力负荷随时间变化的数学模型，在该模型的基础上确立负荷预测的表达式，并对未来负荷进行预测。时问序列方法优点是所需数据少，工作量小；计算速度较快；反映了负荷近期变化的连续性。时间序列方法存在的不足在于建模过程比较复杂，需要较高的理论知识；该模型对原始时间序列的平稳性要求较高，只适用于负荷变化比较均匀的短期预测；没有考虑影响负荷变化的因索，对不确定性因素（如天气、节假日等）等考虑不足ｆｌＪ。
２传统方法。２．１卡尔曼滤波法。卡尔曼滤波法又称为状态空间法，如考虑非线性，则应采用广义卡尔曼滤波法，在这种方法中，负荷是通过状态方程和输出方程来建模的。由于对历史数据进行滤波估计，得到的是对系统下一个时刻状态的最佳估计，而通过预报获得的新数据则反映了系统的未来状态，因此，它们的组合能够让预测模型获得更多的信息，从而得到更加准确的预测值１２１。卡尔曼滤波法不足在于实际应用中难以估计出噪音的统计特性，例如，量测噪音和系统噪音方差等。２．２指数平滑法。指数平滑法采用电力系统负荷趋势外推预测技术，是用过去数周的同类型日的相同时间
负荷组成一组时间上有序的数组，对该数组加
权平均，最后得出待预测时段的负荷值。指数
平滑法的优点是将电力需求作为一个整体，根
据某个单一的指标进行预测，方法虽然简单，
但比较笼统，且很难反映当今经济、政治和天
气等条件的影响。２．３灰色预测法。灰色系统理
论在电力系统负荷预测中的应用受到了广泛
的关注，灰色预测是一种对含有不确定因素的
系统进行预测的方法。灰色系统理论的优点是
在建模时不需要计算统计特征量，从理论上
讲，可以使用于任何非线性变化的负荷指标预
测，要求负荷数据少，不考虑分布规律，不考虑
变化趋势，运算方便，短期预测精度高，易于检
验，实用性能较好。不足之处在于要求负荷变
化规律具有指数变化趋势，对于短期负荷而言
根本不能满足以上条件，精度难以提高，当数
据离散程度越大，即数据灰度越大，预测精度
越差。２．４小波分析法。小波分析理论是一种时
域一频域分析方法，对负荷序列进行小波变换，
可以将负荷序列分别投影到不同的尺度上，各
个尺度上的子序列分别代表了原序列中不同
频域的分量，可以清楚地表现出负荷序列的周
期性。因此，可以将小波分析方法用于电力系
统短期负荷预测。Ｇｒａｎｇｅｒ第一次将小波分析
应用于短期负荷预测，并证明了该方法的预测
精度较高唧；小波分析不足之处是未能考虑天
气、温度和湿度等诸多因素对负荷的影响，而
且预测结果与小波基的选择有很大关系。
３智能预测法．１专家系统法。专家系统
法是一个用基于知识的程序设计方法建立起
来的计算机系统，它拥有某一领域内的专家知
识和经验，并能像专家那样运用这些知识和经
验，通过推理对未来进行预测。专家系统的优
点可以克服单一算法的片面性，同时能够综合
考虑多个影响因素，该方法全过程程序化，具
有建模简单和快速决断的优点；专家系统具有
丰富的经验、知识和高水平的技术，而且经验
可以不断丰富和积累，不受时间和空间的限制
而广泛使用，永久保存。专家系统的不足之处
在于在预测过程中容易出现人为差错；由于各
地区的负荷具有各自固有的特征，开发的专家
系统都是针对某具体系统的，不能直接应用于
其他系统。３．２人工神经网络法。由于短期负荷
受到天气情况和人们社会活动等因素的影响
而变动，存在大量的随机性和非线性关系，因
此，神经网络能够非常好的处理此类非线性问
题。人工神经网络的优点是对大量非结构性、
非精确性规律具有自适应能力，具有信息记
忆、自主学习、知识推理和优化计算的特点，还
有很强的计算能力、复杂映射能力、容错能力
及各种智能处理能力。人工神经网络预测方法
的不足在于神经『删络的层数和神经元个数多
依据主观经验确定，难以科学地确定网络结
构，学习速度慢，存在局部极小点，记忆具有不
稳定性等。３．３组合模型预测法。预测模型的选
择是短期负荷预测精度关键点，因此，根据各
种算法的优点和不足，以及针对不同情况的预
测精度的差异，将几种算法有机地结合起来，
发挥各自算法的优势，以提高预测精度和速
度。例如，有些学者将时间序列法与神经网络
进行结合【４】，基于神经网络和模糊推理组合模
型［５１，粒子群和神经网络相结合模型１６１，小波分
析与神经网络组合模型１７１，模糊算法和神经网
络组合模型［８１，等等，这些方法的优点是克服了
单个算法自身的不足之处，使得优势互补，预
测精度高，拟合速度快，但是需要坚实的理论
知识基础，增加了建模难度和实际应用的困
难。
４短期负荷预测新方法。４．１支持向量机。
支持向量机（ＳＶＭ）方法是建立在统计学习理论
上的一种预测方法，ＳＶＭ是基于结构风险最
小化原则的新型机器学习方法，应用ＳＶＭ方
法进行短期负荷预测比传统方法有更高的计
算精度，且充分考虑了影响负荷的各种因素，
是～种很有价值的新方法；ＳＶＭ方法具有坚实
的数学理论基础，收敛速度相对较快，能找到
全局最优解等特点。ＳＶＭ方法的不足之处是由
于存贮需求量大，编程困难，实际应用较难，而
且不能确定数据中的知识是否冗余，以及作用
大小【９】；对于预测负荷曲线较平滑的系统，能
够取得较理想的效果；但是，对于惯性较小、随
机波动性较强的中小型电网，其预测效果相对
较差。４．２数据挖掘。数据挖掘是指从大量数据
中挖掘出隐含的、对决策有价值的知识和规则
的过程，提取的知识可以表示成概念、规则、规
律和模式等形式，面对电力系统日益增加的数
据信息量，针对系统运行安全性和经济性的要
求，将数据挖掘用于短期负荷预测是非常有利
的，尤其在环境因素和社会信息等变化较大的
条件下，数据挖掘技术可以在错综复杂的庞大
历史数中，剔除错误和无用的数据，挖掘出隐
含在数据中决定短期负荷的影响因素，得出短
期负荷的真正变化规律，从而提高预测精度。
５结论
将目前的短期负荷预测方法作了一个综
合的比较和分析，指出了各种短期负荷预模型
的优点和不足之处，未来的预测工作有待加强
对历史数据的处理，准确估计预测模型中的参
数，并积极探索预测模型的新思路，以满足电
力市场环境下对负荷预测提出的新要求和赋
予的新内涵，而在实际应用中，应根据当地短
期负荷的具体特征和各种影响因素进行灵活
地选用预测模型。
参考文献（下转２７１页）一２９—
建Ｉ筑７工ｆ程——黑龙江——
技信息广东清远城北广场筏板设计若干问题的探讨
黄元元１刘海燕２
（１、广州瀚华建筑设计有限公司，广东广州５１０６５５２、河南省修武县建设委员会，河南修武４５４３５０）摘要：对比采用几种不同方式提高筏板的抗剪切承栽能力，结合建筑要求，最终采用了增加与柱相连的混凝土短墙的做法。
关键词：筏板；抗剪切承载能力；混凝土短墙；剪切荷载计算面积
１概述
清远城北广场工程位于清远市清新县清
新大道南面，清远汽车北站附近，设计为商业住
宅小区，塔楼由１０栋住宅组成，各栋建筑层数
地上１６～１８层，为框支剪力墙结构，建筑总高度
约５４米；设１层地下室，１层裙楼（局部２层），
总建筑面积约１５万ｍ２。塔楼部分采用平板式
筏基（以下简称筏板），群楼部分采用独立基础加
底板。
根据《建筑地基基础设计规范》
（ＧＢ５０００７—２００２）（以下简称《基础规范》）第８．４
节，高层建筑筏形基础的设计需满足冲切验算和剪切验算等计算要求，并提出当柱荷载较大，等厚度筏板的受冲切承载力不能满足要求时，可在筏板上面增设柱墩或在筏板下局部增加板厚或采用抗冲切箍筋来提高受冲切承载能力等应对措施，但在本工程中，由于建筑专业的限制，我们采用了增加与柱相连的混凝土短墙的做法来提高筏板的抗剪切承载能力。
２设计要点
以Ｇ栋为例，筏板厚度ｈ＝１．１ｍ，ｈ。取ｌｍ，图中阴影部分厚ｈ＝１．３ｍ。基础持力层为全风化粉砂岩层，承载力特征值ｆ＝３５０Ｋｐａ。采用Ｃ３０混凝土，筏板平面布置如图ｌ所示。
由图ｌ可看出，柱Ａ和柱Ｂ相距最远，应验算抗剪切承载能力。
如图２，柱Ａ和柱Ｂ的剪切荷载计算面积（图２中阴影部分面积）为１１．０６ｍ２，剪切边长度３．７５ｍ，基底净反力设计值（不包板重）为３５２ＫＰａ，得出剪力设计值Ｖｓ＝１１．０６Ｘ３５２，３．７５＝１０３８．２ＫＰａ，根据《基础规范》，Ｂｈｓ取０．９４６，则０．７ＢｈｓｆｉｂｗｈＯ＝Ｏ．７Ｘ０．９４６Ｘ１４３０Ｘｌ＝９４６．７ＫＰａ，而根据《基础规范》８．４．９条Ｖｓ≤０．７Ｂｈｓｆｔｂｗｈ０得出，抗剪切承载能力不足。由式８．４．９看出，减小剪切荷载计算面积或增加筏板厚度是提高抗剪切承载能力最有效的方法，但增加局部筏板厚度会造成绑扎钢筋难度及建筑外防水的施工难度的增加，所以本工程考虑减小剪切荷载计算面积。但如何减小呢？规范提出可以增设柱墩，按本工程的计算要求，则柱Ａ和柱Ｂ要由６００Ｘ６００的截面向中间拉伸到９００Ｘ６００才能满足，而在建筑图中，如图３所示，突出的柱子将会影响电梯厅的使用，所以本工程采用增加与柱相连的混凝土短墙，如图４所示，正好可以隐藏在建筑隔墙内，满足了建筑要求。其剪切计算简图如图五所示，剪切荷载计算面积（图５中阴影部分面积）为１０．０６ｍ２，剪切边长度３．７５ｍ，得出剪力设计值Ｖｓ＝１０．０６Ｘ３５２／３．７５＝９４４．３ＫＰａ＜０．７Ｂｈｓｆｌｂｗｈ０＝９４６．
７ＫＰａ，满足结构计算要求。
３结论
本工程在设计中对比采用几种不同方式提高筏板的抗剪切承载能力，结合建筑要求，采
Ｇ｜！《筏扳基础平面布置圉
图ｌ
缓
削Ｊ吐
图２
。ｄ士————————个一肛１———————４｝，，
图３
用了增加与柱相连的混凝土短墙的做法来提
高，可为类似的筏板设计提供参考。
参考文献
『１］ＧＢ５００１０—２００２．中华人民共和国国家标准．混
凝士结构设计规范［ｓ］．北京：中国建筑＿ｒ－，ｋ出版
社，２００２．
［２］ＧＢ５０００７—２００２．建筑地基基础设计规范【Ｓ】．
［３】清远城北广场工程地质详勘．岩土工程勘察
报告．
图４
Ｔ一飞郭］瑁三９＝＝＝＝＝纛盯—Ｔ酉
ｌ！四兰三三壬到
ｆ上接２９页）［１］叶瑰昀，罗耀华，刘勇，
等．基于ＡＲＭＡ模型的电力负荷预测方法研究
［Ｊ］信息技术，２００２，０６：７４—７６．
［２］张民，鲍海，晏玲，等．基于卡尔曼滤波的短
期负荷预测方法的研究【Ｊ１．电网技术，２００３，２７
（１０）：３９—４２．
［３］ＧｒａｎｇｅｒＣ．Ｗ．Ｊ，ＣｏｍｂｉｎｉｎｇＦｏｒｅｃａｓｔｓ—
ｔｗｅｎｔｙＹｅａｒｓＬａｔｅｒ【Ｊ］．ＪｏｕｒｎａｌｏｆＦｏｒｅｃａｓｔｉｎｇ，
１９８９，８（３）：１６７—１７３．
［４１Ｐ建昌，王柳．基于时序分析的神经网络短期
负荷预测模型研究［Ｊ］．中国电力，２００５，３８（７）：
１ｌ—１４．
【５］何俊峰，张步涵．基于神经网络一模糊推理综
合模型的短期负荷预测ｆＪｌ．中国电力，２００５，３８
（４）：３２—３５．
【６】蔡金锭，付中云．粒子群神经网络混合算法
在负荷预测中的应用［Ｊ］．高电压技术，２００７，３３
ｆ５）：９０一９３．
［７】邰能灵，侯志俭．基于小波模糊神经网络在电
力系统短期负荷预测中的应用［Ｊ］．中国电机工
程学报，２００４，２４（１）：２４—２９．
［８］赵宇红，肖金凤，陈忠泽．混合模糊神经网络
在短期负荷预测中的应用【Ｊ］．电力系统与自动
化学报，２００６，１８（２）：９９—１０４．
［９］赵登福，王蒙，张讲社等．基于支撑向量机的
短期负荷预测［Ｊ］．中国电机工程学报，２００２，２２
（４）：２６－３０．
作者简介：马莹莹（１９８３～），女，从事电厂设
计和管理工作。
一２７ｌ—
ｆ＿Ｉ『
电力系统短期负荷预测方法综述
作者：马莹莹
作者单位：山东省建设高压容器有限公司,山东,济南,250101
刊名：
黑龙江科技信息
英文刊名：HEILONGJIANG SCIENCE AND TECHNOLOGY INFORMATION
年，卷(期)：2010，""(10)
被引用次数：0次
参考文献(9条)
1.叶瑰昀.罗耀华.刘勇.金鸿章基于ARMA模型的电力系统负荷预测方法研究[期刊论文]-信息技术 2002(6)
2.张民.鲍海.晏玲.曹津平.杜剑光基于卡尔曼滤波的短期负荷预测方法的研究[期刊论文]-电网技术 2003(10)
3.Granger C W J Combining Forecaststwenty Years Later 1989(3)
4.卢建昌.王柳基于时序分析的神经网络短期负荷预测模型研究[期刊论文]-中国电力 2005(7)
5.何俊峰.张步涵基于神经网络-模糊推理综合模型的短期负荷预测[期刊论文]-中国电力 2005(4)
6.蔡金锭.付中云粒子群神经网络混合算法在负荷预测中的应用[期刊论文]-高电压技术 2007(5)
7.邰能灵.侯志俭小波模糊神经网络在电力系统短期负荷预测中的应用[期刊论文]-中国电机工程学报 2004(1)
8.赵宇红.肖金凤.陈忠泽混合模糊神经网络在短期负荷预测中的应用 2006(2)
9.赵登福.王蒙.张讲社.王锡凡基于支撑向量机方法的短期负荷预测[期刊论文]-中国电机工程学报 2002(4)
相似文献(10条)
1.期刊论文王武.张元敏.蔡子亮.WANG Wu.ZHANG Yuan-min.CAI Zi-liang基于遗传优化神经网络的电力系统短期负荷预测-继电器2008,36(9)
电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安全、优质,经济运行具有重要意义.通过非参数预测法建立电力系统短期负荷预测模型,以此作为Elman神经网络训练的样本集,实现网络样本设计,结构设计与网络训练,充分发挥Elman神经网络动态特性,将改进的遗传算法和Elman神经网络相结合,通过选择,交叉、变异等遗传操作,实现了神经网络权值优化.采用基于遗传优化神经网络的电力系统短期负荷预测新算法,提高了负荷预报精度,具体算例证明了算法的可行性和有效性.
2.学位论文赵宇红基于模糊神经网络的电力系统短期负荷预测研究2004
目的:电力系统短期负荷预测是能量管理系统(EMS)的重要组成部分,也是核反应堆功率控制系统的重要组成环节,它对核电站的运行,控制和计划都有着非常重要的意义.提高电力系统短期负荷预测精度是实现核电站的经济、高效运行的必要前提.由于负荷预测的复杂性、不确定性,从而使传统的基于解析模型和数值算法的模型难以获得精确的预测结果.人工神经网络(ANN)可以模仿人脑的智能化处理,具有逼近任意非线性函数的特征和自学习能力,给负荷预测提供了一种新的途径.但是该模型本身也存在着不足,为了进一步提高电力系统短期负荷预测精度,该课题提出了一种新型的短期负荷预测方法,该方法引入了擅长处理不确定性,不精确性及噪声引起的问题的模糊系统,将它与具有分布式并行处理和自学习机制的神经网络结合,构建了一种新型的短期负荷预测模型.该课题中首先采用多层前馈神经网络,以与预报点负荷相关性最大的几种因素作为输入因子,以改进BP算法作为预测算法,来预测预报日各点负荷,得出基本负荷值.然后引入一种新的短期负荷预测模型--自适应模糊神经网络,用于预测预报日的最大、最小负荷,针对模糊神经元的权值更新问题,采用了一种新的权值更新算法--一步搜索寻优法,在获得预报日基本负荷分量和最大负荷、最小负荷的基础之上,通过纵向变换,对预报日的负荷进行修正,进一步减小了预测误差.将上述模型和算法应用于某地区电力系统的短期负荷预测,与传统的预测方法相比较,预测的最大误差由9％降到了5.2％,取得了更好的预测效果.该文的内容包括:绪论;电力系统短期负荷预测模型的分析;人工神经网络模型及其在电力系统短期负荷预测中的应用;基于自适应模糊神经网络的电力系统短期负荷预测模型与算法;电力系统短期负荷预测及结果分析.
3.期刊论文马建伟.张国立.MA Jian-wei.ZHANG Guo-li人工鱼群神经网络在电力系统短期负荷预测中的应用-电网技术2005,29(11)
短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.
4.期刊论文赵宇红.苏泽光.盛义发.匡少滨.ZHAO Yu-hong.SU Ze-guang.SHENG Yi-fa.KUANG Shao-bin BP神经网络在电力系统短期负荷预测中的应用-南华大学学报（自然科学版）2005,19(3)
电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用BP神经网络进行电力系统短期负荷预测时,根据影响因素确定了模型构成,并对输入变量选择进行了讨论,典型算例的计算表明该方法是有效的.
5.学位论文关颖支持向量机在电力系统短期负荷预测中的应用2006
电力系统短期负荷预测是电力系统安全和经济运行的重要依据.价格竞争机制引入电力系统形成电力市场后,对短期负荷预测的精度和速度提出了更高的要求.虽然负荷预测的研究己有几十年历史,有很多负荷预测的理论和方法,但是随着新理论和新技术的发展,对负荷预测新方法的研究仍在不断地深入进行.支持向量机作为数据挖掘的一项新技术,应用于模式识别和处理回归问题等诸多领域.本文利用支持向量机优越的非线性学习及预测性能,针对短期负荷预测的各种影响因素的非线性特性,提出基于支持向量机的电力系统短期负荷预测新方法,以提高预测精度和时效性,该研究具有重要的理论意义和实用价值.
本文分析了支持向量机的基本原理,支持向量机具有非线性拟合、泛化能力强、训练收敛速度快等显著特点.针对电力系统负荷与各种影响因素之间
优于神经网络方法.
由于影响负荷的因素繁多且复杂,若对输入不加适当选择处理会导致预测精度降低,训练时间增加.本文采用一种有效的负荷聚类分析处理技术,并将聚类算法与支持向量机相结合,首次提出了联合FCM模糊聚类算法和支持向量机的短期负荷预测新方法.该方法考虑到负荷变化的周期性特点,应用模糊聚类分析的基本原理,依据输入样本的相似度选取训练样本,即选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律.在基于支持向量机负荷预测的基础上,对样本进行模糊聚类分析,选取与预测样本特征相似的样本作为训练样本,建造负荷预测的支持向量机模型.实例分析验证了本文所提方法能够有效地提高负荷预测的精度,缩短了预测时间.
6.会议论文辛鹏.辛雷.蔡国伟.李晓琦一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法2007 采用经验模态分解(EMD)与支持向量机相结合的的混合模型进行电力系统短期负荷预测的方法。首先运用经验模态分解(EMD)将非平稳的负荷序列分解成若干平稳序列，然后根据分解后各分量的特点构造不同的支持向量机模型对各分量分别进行预测，最后对各分量预测信号再采用支持向量机进行重构得到最终预测结果。在构建支持向量机模型时考虑了气候因素的影响，并将其作为模型的一组输入点。仿真结果表明基于该方法的电力系统短期负荷预测具有较高的精度。
7.学位论文莫玲基于时间序列和人工神经网络的电力系统短期负荷预测2006
电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一。准确的负荷预测，有助于合理安排发电机组的起停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，有效地降低发电成本，提高经济效益和社会效益。因此，负荷预测己成为实现电力系统管理现代化的重要内容之一。
随着我国电力事业的发展，负荷预测尤其是短期负荷预测越来越受到重视。然而，由于众多影响因素造成的复杂性和随机性使得短期负荷预测没能得到较好的解决。目前，国内外电力系统短期负荷预测的方法很多，比如时间序列法、回归法、专家系统法、人工神经网络法，他们各有优缺点。但没有一种方法能保证任何情况都可以获得满意的预测结果，故提高预测精度一直是人们致力研究的方向。
本文首先论述了短期负荷预测的意义和基本原理，在探讨电力短期负荷的普遍规律性的基础上，介绍了现有的几种负荷预测方法，并指明了他们的优缺点。然后分别对经典预测法中的随机时间序列法，以及现代最具潜力的人工神经网络方法进行了深入的研究。论文主要总结了Box-Jenkins的ARIMA线性模型预测的基本思想及详细过程，研究了BP人工神经网络用于短期负荷预测时面临的关键问题及技术难点，诸如训练速度慢、容易陷入局部最小点等缺点。为了解决这些问题，本文提出了改进的BP算法，在确定网络训练样本的选择和优化方法同时提出了网络参数的自适应更新策略。根据历史负荷数据，基于上述思路构造两种方案来预测江西省的春季日负荷。
提高人工神经网络预测精度的关键在于正确选择输入特征变量。本文依据负荷构成的随机时间序列自相关系数来提取ANN的特征输入，形成更客观的建模方法。通过与ARIMA线性模型预测结果及改进的ANN模型预测结果的对比，证实所提方案的良好性能。
8.期刊论文张春雷.ZHANG Chun-lei基于模糊聚类和粗糙集的电力系统短期负荷预测-华北电力大学学报
2008,35(3)
电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,而粗糙集理论能有效地分析和处理各种不精确、不一致、不完整的信息,并从中发现隐含的知识,揭示潜在的规律.将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷进行预测.首先通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,然后应用粗糙集理论分别建立相应的负荷预测模型.采用某电网提供的数据进行负荷预测,结果分析表明该方法有很高的预测精度,从而说明了基于模糊聚类和粗糙集理论的电力系统短期负荷预测方法的优越性.
9.期刊论文唐杰明.刘俊勇.刘友波.Tang Jieming.Liu Junyong.Liu Youbo电力系统短期负荷预测新方法-四川
电力技术2008,31(1)
在分析短期负荷预测特征及其主要影响因素的基础上,比较了专家系统、神经网络、支持向量机这些新一代短期负荷预测方法和组合模型的优缺点
,综述了近年来上述方法的应用及研究情况,重点介绍了支持向量机和组合模型两种预测方法,指出了智能化、组合模型、区间概率化是未来短期负荷预测方法研究的主要发展方向,并就短期负荷预测实用化提出了建议.
10.学位论文章顺华电力市场环境下的电力系统短期负荷预测研究2005
本文分两大部分，第一部分为电力市场，第二部分为电力系统短期负荷预测。
近20年来，全世界包括中国在内，电力工业的结构已经开始了一个意义深远的变革，它们从不同的目的出发，以不同的模式进行改革，但均趋向同一方向：在传统垄断的电力工业体制中引入竞争机制——电力市场。电力工业通过解除管制、引入竞争，实现提高发电、输电、配电经济效益的目的。随着我国社会主义市场经济体制建设的深入，我国电力工业市场化改革也正在稳步推进。
本文论述了我国建立电力市场的目的和实质，对我国电力市场的运营模式进行了探索，分析了我国电力市场目前所面临的问题以及未来的发展方向。
短期负荷预测是电力市场技术支持系统的一个重要模块，对电力系统可靠、安全和经济运行具有重要作用。电力系统的运行、调度和经济负荷分配都需要快速、准确的负荷预测。在电力市场运营中，快速、准确的负荷预测有助于经济合理的安排电网内部发电机组的启停，维持电网运行的安全稳定，合理安排机组的检修计划。同时，发电企业可以依据预测数据，合理调整报价策略，有效的降低发电成本；电网运营企业也可在电力市场中以较便宜的电价购电。因此，准确、快速的负荷预测可以实现电力资源的最优化。
本文中介绍了电力系统负荷预测的原理、方法及国内外电力负荷预测领域的应用概况，运用人工神经网络模型进行区域电网短期负荷预测。为提高预测精度，根据负荷的不同规律，分别建立工作日(周一至周五)、休息日(周六、周日)以及节日不同的预测模型。模型既具有所需样本数据少、模型简单、精度高等优点，又具有较强的泛化能力。论文以江西南昌电网的负荷作为预测对象，应用分组模型对短期负荷进行预测。预测结果表明，应用人工神经网络的分组模型，对本研究对象进行短期负荷预测，结果较为满意，能够满足实际生产的要求。
本文链接：https://www.sodocs.net/doc/9e7476465.html,/Periodical_hljkjxx201010027.aspx
授权使用：浙江大学(wfzjdx)，授权号：86d21612-3c45-4d84-9933-9e08015c2e6b
下载时间：2010年10月7日