短期电力负荷预测是电力系统调度运营部门的一项重要工作,随着电力市场的建立和发展,短期电力负荷预测将发挥越来越重要的作用,其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。因此,如何提高预测精度,一直是短期电力负荷预测研究的重点问题。 本文针对电力负荷具有周期性、增长性和波动性等规律,提出了一种基于小波分解结合人工神经网络(LMBP)的电力系统短期负荷预测方法。小波分析能任意地提取短期负荷序列中的细节。通过小波变换把负荷序列分解为具有不同特征的频段子序列,再对这些子序列分别采用相匹配的人工神经网络模型进行预测,最后综合得到负荷序列的最终预测结果。在模型中,鉴于在负荷序列中隐藏着规律,通过实验分析选用恰当的小波函数和分解尺度,充分提取负荷序列中隐藏的规律。其次,针对分解后各子序列的特征规律和数据比较多的情况,使用改进后的LMBP神经网络,一种使用批处理训练方式、收敛速度更快的算法,在提高预测精度的同时减少训练时间。最后根据研究的模型,针对广东省惠州地区的历史数据,给出了模型的预测实例,预测结果表明本文模型比传统模型能进一步提高预测精度。