短期负荷预测模型在地区电网的应用研究
|
摘要
短期负荷预测是电力系统负荷预测的重要组成部分,高精度的负荷预测对于节约电网运营成本,提高电能质量,保障系统安全稳定具有重要的现实意义。本文提出的灰色神经网络预测模型将三种不同的灰色预测模型与神经网络相结合,避免了单一预测模型所存在的预测风险,有效地利用多种有用信息,全面地反映系统的变化规律,减少随机性,提高了预测精度。本文提出的模糊神经网络预测模型把影响负荷的天气温度因素通过模糊变量考虑进模糊神经网络预测模型。充分发挥了模糊逻辑模块和径向基神经网络模块各自的优点,实证结果表明该方法的科学性和实用性。本文所提出的预测模型对地区电网的负荷预测工作具有一定的理论和实践指导意义。
The short term load forecasting is very important to the security and stability operation of power systems. The prediction precision will influence the quality of power supply and the operation cost of power grid. A kind of composite gray neural network forecast modeling method is put forward in this paper. The method is useful to avoid the single forecasting risk and improve the prediction precision by taking all kinds of information in the system and reducing the random error. The paper presents a fuzzy logic neuron network forecast model which considers the weather factor temperature as fuzzy variables. The method brings the fuzzy logic module and RBF neuron network module into full play. The empirical study demonstrates the effectiveness and practicality of the method. In all, the presented forecasting methods are useful for the regional power grid both in theory and in practice.
The short term load forecasting is very important to the security and stability operation of power systems. The prediction precision will influence the quality of power supply and the operation cost of power grid. A kind of composite gray neural network forecast modeling method is put forward in this paper. The method is useful to avoid the single forecasting risk and improve the prediction precision by taking all kinds of information in the system and reducing the random error. The paper presents a fuzzy logic neuron network forecast model which considers the weather factor temperature as fuzzy variables. The method brings the fuzzy logic module and RBF neuron network module into full play. The empirical study demonstrates the effectiveness and practicality of the method. In all, the presented forecasting methods are useful for the regional power grid both in theory and in practice.
引文
[1] Abdel-aal R. E. Improving electric load forecasts using network committees[J]. Electric Power Systems Research. 2005, 74(1): 83-94.
[2] Beccali M.,Cellura M.,Lo Brano V. Forecasting daily urban electric load profiles using artificial neural networks[J]. Energy Conversion and Management. 2004, 45(18-19): 2879-2900.
[3] Mandal Paras,Senjyu Tomonobu,Funabashi Toshihisa. Neural networks approach to forecast several hour ahead electricity prices and loads in deregulated market[J]. Energy Conversion and Management. 2006, 47(15-16): 2128-2142.
[4] Mandal Paras,Senjyu Tomonobu,Urasaki Naomitsu. A neural network based several-hour-ahead electric load forecasting using similar days approach[J]. International Journal of Electrical Power & Energy Systems. 2006, 28(6): 367-373.
[5] Chenthur Pandian S.,Duraiswamy K.,Christober Asir Rajan. Fuzzy approach for short term load forecasting[J]. Electric Power Systems Research. 2006, 76(6-7): 541-548.
[6] Al-kandari A. M.,Soliman S. A.,El-hawary M. E. Fuzzy short-term electric load forecasting[J]. International Journal of Electrical Power & Energy Systems. 2004, 26(2): 111-122.
[7] Papadakis S. E.,Theocharis J. B.,Bakirtzis A. G. A load curve based fuzzy modeling technique for short-term load forecasting[J]. Fuzzy Sets and Systems. 2003, 135(2): 279-303.
[8] Yang Hong Ying,Ye Hao,Wang Guizeng. Fuzzy neural very-short-term load forecasting based on chaotic dynamics reconstruction[J]. Chaos, Solitons & Fractals. 2006, 29(2): 462-469.
[9] Liang Ruey- Hsun,Cheng Ching- Chi. Short-term load forecasting by a neuro-fuzzy based approach[J]. International Journal of Electrical Power & Energy Systems. 2002, 24(2): 103-111.
[10] Lopes Mara Lucia,Minussi Carlos R.,Lotufo Anna Diva. Electric load forecasting using a fuzzy ART&ARTMAP neural network[J]. Applied Soft Computing. 2005, 5(2): 235-244.
[11] 曹国剑,黄纯,隆辉,等. 基于 GM(1,1)改进模型的电网负荷预测方法[J]. 电网技术. 2004, 28(13): 50-53.
[12] 党耀国,刘思峰,刘斌. 以 x^(1)(n)为初始条件的 GM 模型[J]. 中国管理科学. 2005, 13(1): 132-135.
[13] 刘斌,刘思峰,翟振杰,等. GM(1,1)模型时间响应函数的最优化[J]. 中国管理科学. 2003, 11(4): 54-57.
[14] 刘斌,赵亮,翟振杰,等. 优化的 GM(1,1)模型及其适用范围[J]. 南京航空航天大学学报. 2003, 35(4): 451-454.
[15] 穆勇. 优化灰导数白化值的无偏灰色 GM(1,1)模型[J]. 数学的实践与认识. 2003, 33(3): 13-16.
[16] 穆勇,李放. 灰色 GM(1,1)优化模型[J]. 济南大学学报:自然科学版. 2001, 15(4): 341-343.
[17] 张辉,胡适耕. GM(1,1)模型的边值分析[J]. 华中科技大学学报:自然科学版. 2001, 29(4): 110-111.
[18] 雷绍兰,孙才新,周湶，等. 电力短期负荷的多变量时间序列线性回归预测方法研究[J]. 中国电机工程学报. 2006, 26(2): 25-29.
[19] Ahmed Shamsuddin. Seasonal models of peak electric load demand[J]. Technological Forecasting and Social Change. 2005, 72(5): 609-622.
[20] 颜宏文,马瑞,晏弼成. 基于信息熵构造判定树的数据挖掘算法的设计与实现[J]. 计算机工程与应用. 2003, 39(23): 180-182.
[21] 栗然,刘宇,黎静华,等. 基于改进决策树算法的日特征负荷预测研究[J]. 中国电机工程学报. 2005, 25(23): 36-41.
[22] 张林,刘先珊,阴和俊. 基于时间序列的支持向量机在负荷预测中的应用[J]. 电网技术. 2004, 28(19): 38-41.
[23] 邰能灵,侯志俭. 小波模糊神经网络在电力系统短期负荷预测中的应用[J]. 中国电机工程学报. 2004, 24(1): 24-29.
[24] 雷绍兰,孙才新,周湶，等. 基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法[J]. 中国电机工程学报. 2005, 25(22): 78-82.
[25] 姜勇. 电力系统短期负荷预测的模糊神经网络方法[J]. 继电器. 2002, 30(7): 11-13.
[26] 程其云,孙才新,周涑,等. 粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法[J]. 电网技术. 2004, 28(17): 72-75.
[27] 姜勇. 基于模糊聚类的神经网络短期负荷预测方法[J]. 电网技术. 2003, 27(2): 45-49.
[28] 马文晓,白晓民,沐连顺. 基于人工神经网络和模糊推理的短期负荷预测方法[J]. 电网技术. 2003, 27(5): 29-32.
[29] 王志勇,郭创新,曹一家. 基于模糊粗糙集和神经网络的短期负荷预测方法[J]. 中国电机工程学报. 2005, 25(19): 7-11.
[30] 邢棉,杨实俊,牛东晓,等. 多元指数加权电力负荷灰色优化组合预测[J]. 电网技术. 2005, 29(4): 8-11.
[31] 余健明,燕飞,杨文宇,等. 中长期电力负荷的变权灰色组合预测模型[J]. 电网技术. 2005, 29(17): 26-29.
[32] 李晓梅,周晖,李冬梅. 夏季日峰荷与有效温度的灰色建模及灵敏度分析[J]. 电网技术. 2004, 28(14): 23-27.
[33] 贺蓉,青志文等. 天气敏感型神经网络在地区电网短期负荷预测中的应用[J]. 电力系统自动化. 2001, 25(17): 32-35.
[34] 丁恰,张辉,张君毅. 考虑气象信息的节假日负荷预测[J]. 电力系统自动化. 2005, 29(17): 93-97.
[35] 李国辉. 基于灰色理论与 BP 神经网络的电力负荷预测[D]. 哈尔滨理工大学, 2005.
[36] 王聪. 基于 RBF 神经网络与模糊控制的电力系统短期负荷预测[D]. 华北电力大学(河北), 2005.
[37] 赵石磊. 灰色系统理论在电力负荷预测中的应用[D]. 哈尔滨理工大学, 2005.
[38] 朱建良,闻彦,李国辉. 基于灰色理论与 BP 神经网络的电力负荷预报[J]. 电机与控制学报. 2006, 10(04): 440-442.
[39] 邢棉,于兰香,刘晓霞. 基于神经网络校正的电力负荷灰色预测[J]. 2006(04).
[40] 赵敏. 基于模糊神经网络的短期负荷预测系统的研究及实现[D]. 华北电力大学(河北), 2003.
[41] 邵莹. 基于神经网络的电力系统短期负荷预测研究[D]. 哈尔滨理工大学, 2005.
[42] 潘鑫. 基于神经网络的短期负荷预测研究[D]. 河海大学, 2004.
[43] 曹安照,田丽. 基于 RBF 神经网络的短期电力负荷预测[J]. 电子科技大学学报. 2006(04).
[44] 赵宇红,唐耀庚,张韵辉. 基于神经网络和模糊理论的短期负荷预测[J]. 高电压技术. 2006(05).
[45] 卢建昌,王柳. 基于时序分析的神经网络短期负荷预测模型研究[J]. 中国电力. 2005(07).
[46] 陈明华. 基于模糊神经网络的短期负荷预测[D]. 广西大学, 2006.
[47] 张宁. 基于模糊推理和神经网络的日负荷预测的研究[D]. 太原理工大学, 2006.
[48] 宋玲芳. 基于模糊聚类分析与 BP 网络的电力系统短期负荷预测[D]. 西安理工大学, 2005.
[49] 谢宏,牛东晓,张国立,等. 一种模糊模型的混合建模方法及在短期负荷预测中的应用[J]. 中国电机工程学报. 2005(08).
[50] 牛东晓,乞建勋. 模糊处理变结构神经网络日负荷预测方法研究[J]. 运筹与管理. 2001(02).
[51] 王志勇,郭创新,曹一家. 基于模糊粗糙集和神经网络的短期负荷预测方法[J]. 中国电机工程学报. 2005(19).
[52] 刘凯. 基于改进 BP 神经网络的短期负荷预测研究[D]. 河海大学, 2005.
[53] 陶维青,石万清. 基于径向基函数和模糊逻辑的短期电力负荷预测[J]. 合肥工业大学学报(自然科学版). 2005(06).
[54] 陈曦. 电力系统短期负荷预测模型研究[D]. 合肥工业大学, 2002
[2] Beccali M.,Cellura M.,Lo Brano V. Forecasting daily urban electric load profiles using artificial neural networks[J]. Energy Conversion and Management. 2004, 45(18-19): 2879-2900.
[3] Mandal Paras,Senjyu Tomonobu,Funabashi Toshihisa. Neural networks approach to forecast several hour ahead electricity prices and loads in deregulated market[J]. Energy Conversion and Management. 2006, 47(15-16): 2128-2142.
[4] Mandal Paras,Senjyu Tomonobu,Urasaki Naomitsu. A neural network based several-hour-ahead electric load forecasting using similar days approach[J]. International Journal of Electrical Power & Energy Systems. 2006, 28(6): 367-373.
[5] Chenthur Pandian S.,Duraiswamy K.,Christober Asir Rajan. Fuzzy approach for short term load forecasting[J]. Electric Power Systems Research. 2006, 76(6-7): 541-548.
[6] Al-kandari A. M.,Soliman S. A.,El-hawary M. E. Fuzzy short-term electric load forecasting[J]. International Journal of Electrical Power & Energy Systems. 2004, 26(2): 111-122.
[7] Papadakis S. E.,Theocharis J. B.,Bakirtzis A. G. A load curve based fuzzy modeling technique for short-term load forecasting[J]. Fuzzy Sets and Systems. 2003, 135(2): 279-303.
[8] Yang Hong Ying,Ye Hao,Wang Guizeng. Fuzzy neural very-short-term load forecasting based on chaotic dynamics reconstruction[J]. Chaos, Solitons & Fractals. 2006, 29(2): 462-469.
[9] Liang Ruey- Hsun,Cheng Ching- Chi. Short-term load forecasting by a neuro-fuzzy based approach[J]. International Journal of Electrical Power & Energy Systems. 2002, 24(2): 103-111.
[10] Lopes Mara Lucia,Minussi Carlos R.,Lotufo Anna Diva. Electric load forecasting using a fuzzy ART&ARTMAP neural network[J]. Applied Soft Computing. 2005, 5(2): 235-244.
[11] 曹国剑,黄纯,隆辉,等. 基于 GM(1,1)改进模型的电网负荷预测方法[J]. 电网技术. 2004, 28(13): 50-53.
[12] 党耀国,刘思峰,刘斌. 以 x^(1)(n)为初始条件的 GM 模型[J]. 中国管理科学. 2005, 13(1): 132-135.
[13] 刘斌,刘思峰,翟振杰,等. GM(1,1)模型时间响应函数的最优化[J]. 中国管理科学. 2003, 11(4): 54-57.
[14] 刘斌,赵亮,翟振杰,等. 优化的 GM(1,1)模型及其适用范围[J]. 南京航空航天大学学报. 2003, 35(4): 451-454.
[15] 穆勇. 优化灰导数白化值的无偏灰色 GM(1,1)模型[J]. 数学的实践与认识. 2003, 33(3): 13-16.
[16] 穆勇,李放. 灰色 GM(1,1)优化模型[J]. 济南大学学报:自然科学版. 2001, 15(4): 341-343.
[17] 张辉,胡适耕. GM(1,1)模型的边值分析[J]. 华中科技大学学报:自然科学版. 2001, 29(4): 110-111.
[18] 雷绍兰,孙才新,周湶，等. 电力短期负荷的多变量时间序列线性回归预测方法研究[J]. 中国电机工程学报. 2006, 26(2): 25-29.
[19] Ahmed Shamsuddin. Seasonal models of peak electric load demand[J]. Technological Forecasting and Social Change. 2005, 72(5): 609-622.
[20] 颜宏文,马瑞,晏弼成. 基于信息熵构造判定树的数据挖掘算法的设计与实现[J]. 计算机工程与应用. 2003, 39(23): 180-182.
[21] 栗然,刘宇,黎静华,等. 基于改进决策树算法的日特征负荷预测研究[J]. 中国电机工程学报. 2005, 25(23): 36-41.
[22] 张林,刘先珊,阴和俊. 基于时间序列的支持向量机在负荷预测中的应用[J]. 电网技术. 2004, 28(19): 38-41.
[23] 邰能灵,侯志俭. 小波模糊神经网络在电力系统短期负荷预测中的应用[J]. 中国电机工程学报. 2004, 24(1): 24-29.
[24] 雷绍兰,孙才新,周湶，等. 基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法[J]. 中国电机工程学报. 2005, 25(22): 78-82.
[25] 姜勇. 电力系统短期负荷预测的模糊神经网络方法[J]. 继电器. 2002, 30(7): 11-13.
[26] 程其云,孙才新,周涑,等. 粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法[J]. 电网技术. 2004, 28(17): 72-75.
[27] 姜勇. 基于模糊聚类的神经网络短期负荷预测方法[J]. 电网技术. 2003, 27(2): 45-49.
[28] 马文晓,白晓民,沐连顺. 基于人工神经网络和模糊推理的短期负荷预测方法[J]. 电网技术. 2003, 27(5): 29-32.
[29] 王志勇,郭创新,曹一家. 基于模糊粗糙集和神经网络的短期负荷预测方法[J]. 中国电机工程学报. 2005, 25(19): 7-11.
[30] 邢棉,杨实俊,牛东晓,等. 多元指数加权电力负荷灰色优化组合预测[J]. 电网技术. 2005, 29(4): 8-11.
[31] 余健明,燕飞,杨文宇,等. 中长期电力负荷的变权灰色组合预测模型[J]. 电网技术. 2005, 29(17): 26-29.
[32] 李晓梅,周晖,李冬梅. 夏季日峰荷与有效温度的灰色建模及灵敏度分析[J]. 电网技术. 2004, 28(14): 23-27.
[33] 贺蓉,青志文等. 天气敏感型神经网络在地区电网短期负荷预测中的应用[J]. 电力系统自动化. 2001, 25(17): 32-35.
[34] 丁恰,张辉,张君毅. 考虑气象信息的节假日负荷预测[J]. 电力系统自动化. 2005, 29(17): 93-97.
[35] 李国辉. 基于灰色理论与 BP 神经网络的电力负荷预测[D]. 哈尔滨理工大学, 2005.
[36] 王聪. 基于 RBF 神经网络与模糊控制的电力系统短期负荷预测[D]. 华北电力大学(河北), 2005.
[37] 赵石磊. 灰色系统理论在电力负荷预测中的应用[D]. 哈尔滨理工大学, 2005.
[38] 朱建良,闻彦,李国辉. 基于灰色理论与 BP 神经网络的电力负荷预报[J]. 电机与控制学报. 2006, 10(04): 440-442.
[39] 邢棉,于兰香,刘晓霞. 基于神经网络校正的电力负荷灰色预测[J]. 2006(04).
[40] 赵敏. 基于模糊神经网络的短期负荷预测系统的研究及实现[D]. 华北电力大学(河北), 2003.
[41] 邵莹. 基于神经网络的电力系统短期负荷预测研究[D]. 哈尔滨理工大学, 2005.
[42] 潘鑫. 基于神经网络的短期负荷预测研究[D]. 河海大学, 2004.
[43] 曹安照,田丽. 基于 RBF 神经网络的短期电力负荷预测[J]. 电子科技大学学报. 2006(04).
[44] 赵宇红,唐耀庚,张韵辉. 基于神经网络和模糊理论的短期负荷预测[J]. 高电压技术. 2006(05).
[45] 卢建昌,王柳. 基于时序分析的神经网络短期负荷预测模型研究[J]. 中国电力. 2005(07).
[46] 陈明华. 基于模糊神经网络的短期负荷预测[D]. 广西大学, 2006.
[47] 张宁. 基于模糊推理和神经网络的日负荷预测的研究[D]. 太原理工大学, 2006.
[48] 宋玲芳. 基于模糊聚类分析与 BP 网络的电力系统短期负荷预测[D]. 西安理工大学, 2005.
[49] 谢宏,牛东晓,张国立,等. 一种模糊模型的混合建模方法及在短期负荷预测中的应用[J]. 中国电机工程学报. 2005(08).
[50] 牛东晓,乞建勋. 模糊处理变结构神经网络日负荷预测方法研究[J]. 运筹与管理. 2001(02).
[51] 王志勇,郭创新,曹一家. 基于模糊粗糙集和神经网络的短期负荷预测方法[J]. 中国电机工程学报. 2005(19).
[52] 刘凯. 基于改进 BP 神经网络的短期负荷预测研究[D]. 河海大学, 2005.
[53] 陶维青,石万清. 基于径向基函数和模糊逻辑的短期电力负荷预测[J]. 合肥工业大学学报(自然科学版). 2005(06).
[54] 陈曦. 电力系统短期负荷预测模型研究[D]. 合肥工业大学, 2002