论文部分内容阅读
电力负荷预测是电力部门重要的工作之一,准确的负荷预测不仅有利于经济优化地制订发电计划、电力调配计划、合理安排电网经济运营,而且还有利于降低旋转储备容量、合理安排机组检修,节省能源、降低发电成本。在电力工业市场化的过程中,准确的电力负荷预测能够最优制订上网竞价计划、制订电力现货和期货报价,可以进行电力市场需求分析、搞好电力市场营销和电力客户关系管理,从而避免重大事故、有效化解风险、在保障生产和生活等方面具有直接而重大的经济效益和社会效益。本文系统的探讨了电力负荷预测的分类、特点及基本原理,并对目前用于电力负荷预测的方法进行了总结分析,主要分为经典预测方法、基于参数模型的预测方法以及基于非参数模型的预测方法。本文根据电力负荷特性的规律及影响电力负荷预测的各种因素,提出了基于RBF神经网络的电力负荷预测模型。在介绍了RBF神经网络的原理及其学习规则之后,根据呼和浩特地区的电力负荷预测的实际情况,建立了基于RBF神经网络的电力负荷预测模型,并确定出神经网络的输入向量和输出向量。最后,本文利用RBF神经网路预测模型对呼和浩特地区的电力负荷进行预测分析,并与BP神经网络模型、线性回归模型和灰色预测模型的预测值进行对比分析,结果表明:RBF神经网络的预测精度要远远的高于其他各个模型的预测精度,说明RBF神经网络模型更加适合于该地区的电力负荷预测工作。