［收稿日期］２０１９－１１－２２
［基金项目］安阳师范学院创新基金资助项目（项目编号：ＡＳＣＸ／２０１９－Ｚ１１３）。［作者简介］袁德强（１９７９－），男，河南商丘人，讲师，主要研究方向为随机过程。
袁德强，赵贝贝，王亚琳，彭桐辉
（安阳师范学院数学与统计学院，河南安阳４５５０００）
［摘要］建立了ＢＰ神经网络预测模型，利用２０１８年１２月３１日各时间点的用电负荷对模型进行了检验，结果表明误差均在６
穴中人语％以下，模型是可行和准确的。最后，对河南省安阳县２０２０年１０月１日各时间点的电力负荷进行了预测。［关键词］ＢＰ神经网络；电力负荷预测；网络仿真；数据处理
［中图分类号］ＴＰ１８３ ［文献标识码］Ａ ［文章编号］１６７１－５３３０（２０２０）０２－０１０８－０３
０ 引言
电力负荷预测开始于２０世纪８０年代，４０多年来国内外电力系统工作者已经积累了相当多的
经验［１］
。在电力系统建设中，电力负荷预测是电
网运行过程中安全性、经济性、可靠性的重要保
严妍人体
障，同时关乎电力系统投资的经济合理性［２］
。合
理的电力系统规划可以获得较好的经济效益和社会效益，因此，寻求有效的电力负荷预测方法，提高预测结果的准确度具有重要的意义。电力负荷
致密气受到许多复杂因素的共同影响［３］岩石学报
，例如农业生产
活动、工业用电情况、居民日常生活以及天气气候等，它们在不同维度上影响着电力负荷的波动。研究表明，电力负荷的变化与气象因子间存在着很强的非线性关系，所以使用传统的多元线性回归模型
预测电力负荷会存在很大的局限性，而ＢＰ神经网络能够建立复杂的非线性模型，在进行电力负荷预测时很好地弥补了传统多元线性回归模型的不足。
沃德事１９９１年国外学者Ｐａｒｋ第一次将神经网络应
用于负荷预测，展示了神经网络的优异预测能
力［
４］
。学者Ｂａｋｉｒｔｚｉｓ利用人工神经网络的短期负荷预测模型来预测其电力控制中心的负荷，该模
型可以预测每日负荷曲线变化［
５］
。在国内，电力系统国家重点实验室的康重庆、周安石等学者分析了短期电力负荷预测中不同阶段天气因素的影响，建立了有关天气因素的神经网络短期负荷预测模型，该模型可以得到短期精确的预测结
果［６］
。
澳门的历史尽管已有的研究成果分析了短期电力负荷预测中不同阶段天气因素的影响，但利用ＢＰ神经网络理论进行电力系统负荷预测并对模型进行检验方面介绍的却比较少。因此，本文利用ＢＰ神经网络理论，首先通过ＭＡＴＬＡＢ神经网络工具箱建立预测电力负荷的ＢＰ神经网络模型。然后以安阳县为例，利用所获得的数据进行预测，通过预测的数据和已知数据进行比较，检验模型的可行性和准确性。最后推广到实际应用中，对未来数据进行预测。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议