论文部分内容阅读
随着电力市场的不断发展，电力负荷预测工作成为电力系统管理部门的一项重要工作。准确地进行电力负荷预测可以更好地制定电网规划方案以及发电机组的检修计划，可以更加合理地安排电网的运行方式。对于提高电力企业的经济效益和社会效益、保持电力系统的安全稳定运行、保障人们日常生活的有序进行具有重要的意义。本文首先介绍了电力负荷预测的研究背景、国内外研究现状以及研究意义，并且叙述了电力负荷预测的基本理论；其次，对现代预测关键技术进行了详细的介绍，介绍了人工神经网络的基本理论，研究了BP神经网络的结构、BP神经网络的学习算法步骤及其优缺点，分析了遗传算法和粒子群优化算法的特点以及基本原理；再次，对BP神经网络预测模型进行了设计，主要是输入层和输出层的设计、隐含层的设计以及转移函数的确定；最后，分别采用遗传算法(GA)、粒子群优化算法(PSO)以及本文所提出的GA-PSO算法对BP神经网络的权值和阈值进行优化，分别建立了GA-BP神经网络预测模型、PSO-BP神经网络预测模型以及GA-PSO-BP神经网络预测模型。选取欧洲某地区的历史负荷数据、历史气温和日期类型等数据进行仿真实验，对该地区某一天24小时各整点时刻的负荷进行预测。并分析预测结果，比较各预测模型的性能。仿真实验结果表明GA-PSO-BP神经网络预测模型不仅加快了神经网络的收敛速度，而且提高了短期电力负荷的预测精度。