青浦地区短期电力负荷预测研究.pdf

上海交通大学
硕士学位论文
青浦地区短期电力负荷预测研究
姓名:倪方云
申请学位级别:硕士
专业:电气工程
指导教师:程浩忠;李春华
20080201
上海交通大学硕士学位论文
摘要
短期电力负荷预测对制定运行方式,维持电力系统安全和经济运
行有重要作用。因此,寻求有效的短期电力负荷预测算法,减少对运
行人员经验的依赖性,提高预测结果的准确度,具有重要意义。电力
负荷既有一定的规律性,又有很强的随机性,未来某一时刻的负荷,
通常与过去的负荷水平、当前的运行状况、预测期的气象因素以及日
期类型等密切相关,其中存在大量的线性和非线性关系。
本文对青浦供电分公司所管辖地区的电力负荷特性进行了详细
分析,提出擅长拟合非线性映射的神经网络 BP 算法,通过非线性阻尼
最小二乘法(Levenberg-Marquardt)学习规则来进行网络训练,能较好
地拟合原始数据,其预测输出值与实际值的相对误差较小,能够满足
精度要求。青浦地区短期电力负荷预测的实例证明该方法预测精度
高,适应性强。

关键词:电力系统;短期电力负荷预测;负荷特性;人工神经网络;
BP 算法;非线性阻尼最小二乘法
I
上海交通大学硕士学位论文
ABSTRACT
Short-term power load forecasting (STLF) is an important
component in the daily safe and economic operation of the electric utility.
It is important to find out effective forecasting arithmetic to decrease the
dependence of artificial experience and increase forecasting precision.
Electric load has both regularity and randomicity. Load of next period has
close relation to historical load, current operation status, meteorologic
factor of forecasting period and date type, in which there are a lot of
linear and non-linear relations.
The peculiarities of the load supplied by the Qingpu Power Supply
Company are studied in details. This paper prefer a back propagation
(BP) algorithm of Artificial work(ANN), which is adept in
fitting non-linear mapping. The algorithm trains work through
Levenberg-Marquardt(L-M) rule, it can fit initial data well and bring less
error between forecasting output and actual value. So it can satisfy the
requirement of forecasting precision. putation result of
short-term load forecasting on Qingpu country shows that this model has
perfect precision and adaptability.

KEY WORDS: power system, short-term load forecasting (STLF), load
characteristics, Artificial work(ANN), BP
algorithm, Levenberg-Marquardt
II
上海交通大学
学位论文原创性声明

本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独
立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论
文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文
的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。