随着我国电力事业的发展，电网管理日趋现代化。电力系统负荷预测问题的 研究也越来越引起人们的注意，成为现代电力系统运行研究中的重要课题之一， 它是研究电力系统规划问题、电力系统经济运行及其调度自动化的重要依据。 本论文将前馈神经网络应用于电力系统短期负荷预测中、并进行了系统而深 入的研究，主要研究工作如下： 1．电力系统负荷是一个随机非平稳过程，其负荷观测值山于受到各种因素的影 响，可能会存在某些“坏数据”或“不良数据”，这些数据夹杂在正常的负荷数 据中参与神经网络的训练，严重影响了负荷预测的精度。本文利用统计学的方法， 求出某段时间内负荷序列中的均值与方差，再利用偏离率的计算公式计算出负荷 序列中每一点的偏离率，并与阈值相比较，从而除去“不良数据”，为准确有效 地进行负荷预测提供了保证。 2。通过对历史负荷数据规律性的分析，得出负荷是以周为大周期变化，以日为 小周期变化，“大周期”中嵌套“小周期”规律变化的结论。在神经网络输入节 点的选择方面，除了引入相关历史负荷作训练样本外，还考虑了温度、气候敏感因素和特征日对负荷变化的影响。 3．在前馈神经网络隐含层节点数的选择问题上，提出了基于Kolmogorov定理 的实验验证方法。通过实例验证、确定了神经网络模型的隐含层结构。 4．提出了前馈神经网络应用于电力系统短期负荷预测的两种算法，即基于神经 网络的时间序列法和基于神经网络的综合算法。基于神经网络的时间序列法的主 要思路是：根据电力系统历史负荷与预测负荷具有相关性的特点，结合神经网络 与时间序列法的原理，建立基于神经网络的时间序列模型。在神经网络的输入量 中、除了具有相关历史负荷数据外，还引入了特征日参数的概念，以提高模型对 日周期的适应性；基于神经网络的综合算法的主要思路是：在基于神经网络的时 间序列模型的基础上，通过对神经网络输入节点增加预测日的最高温度、最低温 度和气候敏感因素来提高负荷预测的精度。 5．本文采用标准BP算法和带有变步长η和变动量因子α的改进BP算法对两种 模型分别进行仿真实验。结果表明，改进BP算法能够提高神经网络的收敛速度； 在使用相同算法的条件下，基于神经网络的时间序列法因其结构简单具有较快的 收敛速度但预测精度差，基于神经网络的综合算法因其考虑了各种负荷影响因素 — —8一而使负荷预测精度有所提高，但这是以牺牲训l练时间为代价的。6．本文提出的神经网络预测方法，在“咸阳供电局模拟市场运作管理系统··－负荷预测子系统”中得到了应用，取得了较好的预测效果。