谭 剑 谭松柏

1.湖南火电建设公司 湖南 株洲 412000；2.华南理工大学电力学院 广东 广州 510640

0 引言

电力系统负荷预测在电力系统控制和保证电力系统经济、安全和可靠运行方面起着重要作用，它已经成为电力系统中现代能量管理系统的一个主要组成部分，电力系统负荷预测对于电力系统的规划建设和维护发展具有非常重大的意义。电力系统负荷的预测精度的高低会直接影响到电力系统的社会经济效益［1］。

电力系统负荷是一个多变量、非线性系统。目前，有很多负荷预测的方法，其中由于人工神经网络模型具有不断学习新知识并处理复杂的非线性映射问题的能力，而较早在电力负荷预测研究中得到广泛应用［2］。

BP神经网络模型是一种常用的人工神经网络模型［3］。然而，单个BP神经网络模型预测电力系统负荷存在一定误差随机性，即在数据量比较大的情况下，网络每次预测的结果不会完全一样，甚至同一网络模型预测的结果会有很大差距。为了解决这个问题，本文在BP神经网络的基础上引入了Bagging算法［4］。 通过先生成一组BP神经网络模型，然后挑选出最好的网络模型为最终的预测模型，进行负荷预测，以提高BP神经网络模型的预测能力。

1 BP神经网络模型

BP神经网络一种典型的人工神经网络模型。人工神经网络是源于人脑神经系统的一种模型，是由一个个类似于生物神经元的人工神经元有机的相互交织在一起而构成的网络模型。

单个人工神经元包括以下三个基本要素：