基于相似日和RBF神经网络的短期电力负荷预测

王 瑞，孙忆枫，逯 静

（1.河南理工大学 电气工程与自动化学院，焦作 454000；2.河南理工大学 计算机科学与技术学院，焦作 454000）

0 引言

短期电力负荷预测主要目的是根据历史负荷和影响因素对未来的负荷情况进行预测，预测结果可以作为电力部门调度和分配的参考[1]。短期电力负荷预测中根据相似日数据进行预测可以利用较少的训练数据达到较高的预测精度，所以选择合适的相似日就尤为重要。文献[2]根据各类影响因素的动态加权和选取相似日；文献[3]运用虚拟相似日的概念，将一天多个负荷时段分别选取相似日；文献[4]通过构建相关因素特征矩阵智能识别相似日，并建立实时气象偏差校正策略对负荷曲线进行二次校正。以上方法都对相似日的选取有一定的意义，但都仅通过预测当天的负荷影响因素与历史日负荷影响因素做相关性分析来选取相似日，由于温度因素与其他影响因素不同，在持续高温的情况下，连续几日的温度变化对相似日选取也会有影响。本文考虑积温效应，将温度因素和其他影响因素分别进行相关性分析，最后通过计算综合相似度选取相似日，该方法考虑了积温效应对相似日选取的影响，使相似日选取更加准确。

RBF神经网络具有强大的非线性映射能力，是短期电力负荷预测中一种常用的方法[5]，优化其隐含层参数设置可以提升模型整体性能。文献[6]运用交替梯度法交替训练RBF隐含层参数和输出层权值；……