科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高短期电力负荷预测精度,提出了一种组合预测模型。因负荷会受到气候,日期类型等诸多因素影响,在一段时间内,影响因素稳定时,负荷数据呈现平稳的特征,影响因素不稳定时,负荷数据则呈现波动的特征。针对上述特征,组合模型中应用了灰色理论模型,BP神经网络模型,灰色模型在平稳性强的小量数据中呈现出较佳的预测性能,BP神经网络模型对于随机性变化数据有着良好的预测性能。对预测日根据定值U判定预测日的特征量是否突变,根据定值N判定预测时段历史负荷数据波动的强弱,最后判定应用的预测模型,结合两种模型的预测优势,以提升整体负荷预测精度。通过实例分析,验证了此种方法的有效性,是一种实用的短期电力负荷预测方法。
-
单位自动化学院; 河南理工大学
