电力系统短期负荷预测的模糊神经网络方法

代入（10）式，则可得第i点的负荷预测值。
2．3　一些注意事项
    a．伪数据的处理
　　因为神经网络所用的负荷数据来自电力部门的SCADA系统，由于各种原因会造成一定数量的异常数据。考虑到负荷前后小时的自然变化，如果出现超常规值，必须将其剔除，代之以正常比例范围内的估计值。
    b．待选的相似日范围
　　因为随着时间的推移，系统负荷结构会发生缓慢的变化，当已知日和预测日相隔较远时，即使它们的天气情况等因素很相似，预测精度也不会高，因而取前3个星期的已知日作为待选范围，同时还可以缩短程序选取样本所花费的时间。

3　计算实例分析与结论

3．1　实例计算
　　对南京市某日24点的负荷进行预测，所得结果如表1。

　　预测的平均绝对百分误差为2．56％，最大预测误差为5．1％，最小误差为0．1％，误差超过5％的预测点有1个，小于3％的点有15个，预测效果良好。
3．2　结　论
　　准确进行短期负荷预测是电力行业所企盼的，本文提出一种模糊神经网络预测方法，利用模糊技术和神经网络各自的特长，充分发挥了ANN处理非线性问题的能力，具有训练速度快，学习精度高，数值稳定等优点，算例也表明这是一种行之有效的短期日负荷预测方法。

参考文献
1　杨纶标，高英仪．模糊数学原理及应用．华南理工大学出版社．2001，3
2　胡守仁，余少波，戴葵．神经网络导论．长沙．国防科技大学出版社．1993，10
3　牛东晓，曹树华，赵磊，张文文．电力负荷预测技术及其应用．北京．中国电力出版社．1998，10

WINOOW.google_render_ad();

上一页  [1] [2] 

本文关键字：网络  电力配电知识，电工技术 - 电力配电知识