李咏馨，朱家明，吴梦晗，厉培培

（安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030）

科技与艺术设计

基于BP神经网络的电力系统短期负荷预测

李咏馨，朱家明，吴梦晗，厉培培

（安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030）

针对短期电力系统负荷预测问题，根据已知的地区1、2的电力负荷数据，结合图像对两地区负荷变化情况进行简要分析；通过建立电力负荷数据与各气象因素的回归关系，证明气象因素对负荷预测数据准确度和精度有影响；然后构建BP神经网络模型，得到负荷预测数据，并推断预测的准确度，对两地区整体负荷规律性的优劣做出合理地判断及评价.

多元线性回归；BP神经网络；SPSS；MATLAB

短期负荷预测是电力系统运行与分析的基础.当今社会，保障电力系统优化决策科学性的重要手段之一就是提高负荷预测精度.电力负荷的影响因素有很多，因此建立电力负荷数据与各气象因素的回归关系很有必要，同时笔者将构建BP神经网络模型，对负荷进行预测，并推断其准确度.

1 数据来源与模型假设

数据来自2016年电工杯数学建模比赛A题，已知两地区从2009年1月1日至2015年1月10日的电力负荷数据以及2012年1月1日至2015年1月17日的气象因素数据.

针对本题，我们做了以下假设：（1）假设电力负荷状况不受社会活动、节日类型、突发事件，如停电维修和拉闸限电等因素影响，仅考虑天气因素以及日、周周期变化的影响；（2）假设不考虑气象要素对负荷的积累效应和延时效应；……