小波贝叶斯神经网络在冲击负荷地区短期负荷预测中的应用

李鹏鹏，彭显刚，孟安波，李慧良，农为踊

(1.广东工业大学 自动化学院，广东 广州510006;2.广东电网公司 河源供电局，广东 河源 517000)

0 引言

中小型炼钢厂、轧钢厂由于设备负荷重，即使正常启停都会引起较大的负荷冲击，负荷曲线冲击明显，给负荷预测造成很大困难，利用传统神经网络模型预测很难取得较高精度[1～3]。由于冲击负荷地区负荷值变化大，随机性强，而某些现代的组合预测方法并不适用于解决冲击负荷地区的短期负荷预测问题[4，5]。文献[6]研究了小负荷大波动地区的负荷预测，该文利用小波模极大值原理对原始负荷冲击毛刺进行预处理，然而冲击负荷引起的毛刺并非坏值，这样预处理会将有效负荷去除而导致精度下降。文献[7]分析了小波神经网络在短期负荷预测中的研究应用，但该文在小波三层分解后，对各个负荷分量均用神经网络方法来预测，并未就各个分量本身特点寻找合适的模型来预测，不利于最后总负荷预测精度的提高。所以保留冲击负荷有效信息和选择合适的模型进行预测是提高冲击负荷地区负荷预测精度的关键。

由于每个地区的负荷特性存在个体差异性，本文分析了某市含大量冲击负荷地区负荷特性，依据其负荷特性建立合适的预测模型。

1 负荷特性分析

A、B两市典型日负荷曲线如图1所示，B市典型日负荷曲线和连续两周的负荷曲线如图2所示。从图1可以看出B市负荷曲线毛刺多，说明存在大量冲击负荷，且时间主要集中在凌晨0点～8点，这与当地实行峰谷电价后大型工业生产主要集中在下半夜和凌晨有关。……