人工神經網絡和模糊理論在短期負荷預測中應用

摘要:對于電力系統負荷預測的復雜性，為提高短期預測的準確性，采用以人工神經網絡為基礎，提出了一種利用神經網絡與模糊理論相結合進行負荷預測的模型。該算法克服了傳統BP算法的訓練速度慢、存在局部極小點的缺點，使預測精度大有改善。實例計算表明了該算法的改進成果和可行性。

關鍵詞:人工神經網絡;模糊理論;短期負荷預測;BP算法

中圖分類號:TM715 文獻標識碼:A 文章編號:1000-8136(2009)30-0005-02

電網是電力系統的重要組成部分，提高負荷預測準確率，對電網安全、穩定、經濟運行有著極其重要的意義。負荷預測誤差小，則電網的開機、線路的潮流都在預計的范圍內運行，電網的安全、穩定、經濟運行就有了保障，還可以大大提高電力系統的經濟效益。

在電力系統負荷預測的理論與實踐相結合的方面，國內外許多的電力系統專家做了大量而有意義的工作。隨著他們的不斷探索，負荷預測從早期傳統的彈性系數法、時間序列法、卡爾曼濾波分析法逐步發展到灰色模型法、專家系統法，伴隨著計算機技術的發展和人工神經網絡理論的不斷完善，應用人工神經網絡進行電力負荷預測得到了很大的發展，自從提出用人工神經網絡進行電力負荷預測，充分利用了BP模型的非線性映射能力及自適應的學習能力，得到了較好的預測效果。

人工神經網絡計算(ANN)是由具有非線性作用函數的神經元構成、進行大規模并行信息處理非線性模型結構，它可以模仿人腦的智能化處理，對大量非結構性、非精確性規律具有自適應功能，具有記憶功能、自主學習、知識推理和優化計算的特點，尤其是它的學習和自適應功能是常規算法和專家系統技術所不具備的?！?br>