基于改進灰色關聯分析的BA-BP短期負荷預測

劉曉悅, 魏宇冊

(華北理工大學電氣工程學院,唐山 063000)

負荷預測是電力系統正常穩定運行的基礎,對電網負荷進行精確預測能夠降低電力系統的運行和維護成本[1]。短期負荷預測是指預測未來一天或者幾天整點電力負荷值,實質是對電力市場需求的預測,是保證電網安全穩定運行的條件[2]。

隨著電網大數據的推進和發展,負荷預測方法不斷涌現,專家系統法、灰色系統理論[3]、支持向量機[4]、模糊預測法[5]、人工神經網絡法[6]、魚群算法[7]等智能算法成為大家熱衷的負荷預測手段。目前針對短期負荷預測方法還存在不足之處,準確選擇相似日[8]是做出精準負荷預測的前提,文獻[9]提出考慮氣象等因素的相似日選取算法,在計算相似日關聯度的過程中,只是將系數相乘,并沒有考慮動態變化。文獻[10]將粗神經元與徑向基(RBF)神經網絡相結合,建立基于粗神經網絡的短期負荷預測模型,但是這種相似日選擇方法準確率不高,而且收斂速度較慢。文獻[11]利用模糊灰色關聯聚類方法選擇相似日,然后經小波分解得到高低頻分量,分段建立負荷預測模型,但是BP(back propagation)神經網絡雖然功能強大,但是也存在著收斂速度慢、權值初始化隨機等缺陷。文獻[12]基于模糊聚類分析選擇相似日,以預測日的天氣通過聚類確定預測日的相似日類型,可是模糊聚類得到的只是與待測日具有相似特征的歷史日,不具有良好的曲線相似性,因此預測精度也有待提高。

針對上述問題,提出一種改進的模糊灰色聚類的相似日選取法,選擇狀態相似且負荷差值在一定范圍內的相似日；……