潘雪涛

(上海电力学院电力与自动化工程学院，上海 200090)

准确的短期负荷预测是电力调度部门的重要工作之一.目前，短期负荷预测方法大致可分为传统方法和智能方法两大类.传统的短期负荷预测方法以趋势时间序列法、外推法、灰色模型法等为主，这些算法原理简单、速度快，但难以表达负荷与其影响因素的非线性关系，从而限制了其在短期负荷预测中的应用［1-3］.智能方法主要包括专家系统、人工神经网络和支持向量机等，其中，人工神经网络以其强大的自主学习能力、非线性处理能力等特性，较好地克服了传统方法中的某些缺点［4，5］，但在实际运用中还存在着网络结构选择困难、泛化能力较差、易陷入局部极小、收敛慢等缺陷［6，7］.

本文进行了改进BP神经网络算法的研究，并利用基于Matlab语言的优化计算程序，结合某电网负荷数据进行短期电力负荷预测仿真，比较分析了改进方法在计算速度与预测误差方面的优势.

1 BP神经网络

1.1 BP神经网络的特点

BP学习算法的前向网络是当前应用最为广泛的人工神经网络之一，可以解决神经网络面临的许多问题.BP神经网络算法一般可描述为正向的信号输入过程和误差信号反向传播过程.反向传播算法通常采用梯度法修正权值，因此要求输出函数可微，通常可选择Sigmoid型函数作为激励函数.

给定任意一组输入样本数据，采用BP网络进行训练，各层之间的映射关系存储在连接权值和阈值上.网络的……