论文部分内容阅读
电力负荷预测工作是电力系统工作者最为侧重的工作之一,对地区电力系统起着重要的作用。准确的电力负荷预测工作对目标区域进行有效的负荷预测可以更为合理地安排电网发电机组的运行状态。在实现电网安全稳定运行的基础上,降低电能的浪费,有效降低总体成本消耗。区域配电网的中期电力负荷预测的主要意义在于为电网规划部门对配电网资源的分配和建设方向提供一个相对合理的参照值,在每个投资周期达成有限的资源的最优分配,是电力规划部门日常工作最常接触的,也是工作中的重要一环。经过前人多年对电力负荷预测的研究,得出的实用的预测方式有很多,传统方法主要有回归分析法、单耗法等,现代的智能方法有灰色系统理论、专家系统法和人工神经网络等,在不同的条件下都有着各自的优缺点并不断发展着。区域性的电力系统负荷预测工作有着不准确性、时间性等特点,用电量数据的走势因受地方的经济、环境及气候等一系列因素影响,呈现出非线性,而BP神经网络对非线性和存在模糊的内在规律的数据处理有着很好的适应性。本文主要深入研究BP神经网络在中期负荷预测方面的应用,研究的配电网区域实例对象为清远市区旧城区域,通过前三个月的用电量来预测次月的全社会用电量,通过六个月的实际用电量数据与预测数数值作为对比验证。本文应用MATLAB软件设计BP神经网络并进行仿真计算。以清远市区旧城区域2009年至2016年第一季度的全社会实际用电量数据作为基础数据库,应用动量BP算法进行预测并与实际值进行误差对比。实际计算结果表明,应用BP神经网络对该区域配电网中期电力负荷预测的精度在总体上是满足应用要求的。然后,结合各用电分类及应用LM算法进一步优化的BP神经网络在精度上进一步提高,由实际误差来看,虽然单月电力负荷预测数据与实际值仍有一定的偏离,但从六个月平均数来说仍达到较高的精度,总体来说在该地区是具有实际应用价值的。