基于模糊控制RBF神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)的研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行調(diào)度中一項(xiàng)十分重要的內(nèi)容，可以經(jīng)濟(jì)合理安排電網(wǎng)內(nèi)部發(fā)電機(jī)組的啟停，合理安排機(jī)組檢修計(jì)劃，降低單位GDP的能源損耗等社會(huì)經(jīng)濟(jì)效益，電力生產(chǎn)和消費(fèi)日益市場(chǎng)化，短期負(fù)荷預(yù)測(cè)結(jié)果成為制定電力市場(chǎng)交易計(jì)劃的重要依據(jù)，這就對(duì)短期負(fù)荷預(yù)測(cè)提出了更高的要求。 由于常規(guī)算法不能較好地反映氣象條件等外界因素對(duì)負(fù)荷的影響，而近年來(lái)人工神經(jīng)網(wǎng)絡(luò)法等智能算法具有高度的非線性映射能力，可以較好地考慮氣象條件等因素對(duì)電網(wǎng)負(fù)荷

2、的影響，所以本文采用了RBF（RadialBasisFunction）神經(jīng)網(wǎng)絡(luò)；再者因?yàn)樵S多智能方法在學(xué)習(xí)收斂的速度方面、收斂的穩(wěn)定性方面、收斂至全局極小點(diǎn)方面，缺乏指導(dǎo)模型自動(dòng)選擇的一般規(guī)則，因此本文將模糊控制引入到RBF神經(jīng)網(wǎng)絡(luò)中，較好的解決了上述問(wèn)題。 本文在分析了目前短期電力負(fù)荷預(yù)測(cè)的現(xiàn)狀及各種預(yù)測(cè)方法、預(yù)測(cè)模型的基礎(chǔ)上，根據(jù)電力負(fù)荷特性的變化規(guī)律，考慮了日期類型、溫度、天氣狀況等影響負(fù)荷預(yù)測(cè)的因素，分別采用RBF神經(jīng)網(wǎng)