基于神经网络模型的船舶电网短期电力负荷预测

张宇涵，高海波，商蕾，林治国，陈亚杰

1.武汉理工大学 能源与动力工程学院，湖北 武汉 430063 2.中国船舶重工集团公司 第七一一研究所，上海 201101

电力推进船舶发展迅速，其电力推进负荷占比有时达到总装机容量的70%以上，对于电站能量管理系统的要求也在不断提升。发生恶劣海况时，机动航行或动力定位时整个电力系统负荷会产生较大的波动，准确的电力负荷预测能够帮助调控发电机组合理供电，应对负荷大幅波动对电网造成的冲击，根据预测结果还能够优化能量管理的策略，对船舶电网整体稳定、高效运转起关键作用[1−2]。船舶电力负荷预测可按照周期分为短、中、长3 种[3]，其中短期电力负荷预测注重时效性，但由于时间很短，所以对预测模型的精度和速度要求很高。较于传统的预测方法，人工神经网络能够很好地处理电力负荷这类非线性的数据，依靠其自身强大的学习能力和泛化能力成为了负荷预测的热点[4]，每种智能方法都有其特殊的优势、局限性和应用合理性[5]。本文分别使用BP、RBF、Elman 共3 种不同的网络对恶劣海况进行短期电力负荷预测，探究不同神经网络各自的优劣[6−7]，找到适合完成电力负荷预测的方法。

1 神经网络的基本原理

1.1 BP 神经网络

BP 神经网络是20 世纪80 年代由Rumelhart和McClelland 提出的误差反向传播的多层前馈神经网络，是当前应用最广泛的神经网络[8]。其网络结构如图1 所示，一般情况下由输入层、隐含层、输出层3 层组成。输入与输出之间均有连接。……