基于小波—LMBP神經網絡短期電力負荷預測研究

摘 要：為了提高電力系統短期負荷預測精度，針對短期電力負荷具有隨機性、不確定性和周期性的特點，提出基于小波分析和LMBP（ Levenberg-Marquardt Back Propagation）神經網絡組合模型預測方法，并經實際算例證明，該方法優越于單一LMBP神經網絡預測模型和算法，是電力系統預測領域中一種提高預測精度的有效方法。

關鍵詞：電力系統；短期負荷預測；神經網絡；小波分析

1 引言

電力負荷變化受氣候、自然災害、政治經濟因素等多方面因素影響，這使得電力負荷的變化具有隨機性和不確定性，影響預測精度[1]。近年來，應用人工神經網絡進行電力系統負荷預測已經發展成為一個很有潛力的研究方向。但是人工神經網絡的具有收斂速度慢、容易陷入局部極小點的缺點[2]。為了提高短期負荷的預測精度，本文以某地區（安順市）城市電網歷史負荷數據為背景，根據該地區的電力負荷特點建立了小波-LMBP神經網絡組合模型進行短期負荷預測，并利用MATLAB軟件平臺進行仿真，仿真結果表明這種組合預測模型優于單獨使用LMBP神經網絡模型預測，能獲得更加精確的預測結果。

2 理論基礎

2.1 小波分析

小波分析同時具有時域和頻域良好的局部性質，能將信號（時間序列）分解成多尺度成分，從而能夠不斷地聚集到所研究對象的任意微小細節[3]。小波變換是用合適的母小波通過時間軸上的位移與放縮的幅度產生一系列的派生小波，用這一系列的小波對要分析的信號進行時間軸上的平移比較，從而獲得用以表征信號與小波相似程度的小波系數[4] [5]。……