基于特性分析的改进BP神经网络短期电力预测方法

张武军，程远林，周捷，潘轩

(1.中国能源建设集团湖南省电力设计院有限公司，湖南长沙410007；2.湖南省清洁能源与智能电网协同创新中心，湖南长沙410004；3.长沙理工大学，湖南长沙410004)

0 引言

电力的安全供应对人民的生产生活乃至国民经济稳定运行都十分关键[1-2],安全供应与日最大负荷 (简称:负荷)和用电量相关。因此,开展“迎峰度冬”等用能高峰期的短期电力预测工作,对于预判电力供需形势、加强电力系统运行管理、确保电力供应平稳有序具有重要意义。

电力负荷的影响因素十分复杂,且多为非线性因素,这给短期电力负荷的预测带来了挑战[3]。为了提高短期预测模型的性能,文献 [4]采用综合气象因子作为输入,并应用Elman神经网络建立短期负荷预测模型,一定程度上改善了预测精度；文献 [5]利用猫群算法对BP神经网络进行改进,建立了短期负荷预测模型,并验证了模型精度有效性；文献 [6]基于主成分分析与遗传算法集合,提高了收敛速度。然而,目前短期预测多是单一提高预测精度或收敛速度,较少同时把握两者,因此同时考虑短期预测的精度与收敛速度具有研究价值。

目前用于短期电力负荷预测的方法很多,常见的有时间序列法、指数平滑法、灰色预测法和人工神经网络法等[7-8]。其中 BP(Back Propagation,BP)神经网络有较强的非线性映射能力、高度自学习自适应能力、容错能力和灵活性等优点,吻合短期负荷预测的特点,但存在易陷入局部极小[9]和学习收敛慢[10-11]等现象。……