王源

摘要：电力负荷的准确预测可以提高电力系统的经济效益和社会效益，有利于降低发电成本。电力负荷预测已经成为实现电力系统管理和智能电网发展的重要内容。本文采用一种小波分解方法及BP网络对短期电力负荷进行预测，并与传统BP网络预测比较。仿真实验表明，本文方法比传统BP网络预测结果更准确。

关键词：小波分解；神经网络；电力负荷；预测

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）24-0200-03

Abstract： Accurate prediction of power load can improve the economic and social benefit of power system， which is beneficial to reduce the cost of power generation. Power load forecasting has become an important content of power system management and smart grid development. In this paper， a wavelet decomposition method and BP network are used to predict the short-term power load and compare with the traditional BP network prediction. The simulation results show that the method is more accurate than the traditional BP network prediction.

Key words： wavelet decomposition； neural network； power load； prediction

短期电力负荷预测是电力系统调度运营部门的一项重要工作，它在现代电力系统工程学科中占有重要作用，其预测精度的准确性直接影响电力系统运行的安全性、经济性和供电质量。

电力负荷预测中，关键是收集大量历史数据，建立科学有效的预测模型以及合理有效的算法，在历史数据的基础上进行大量的试验研究，总结规律，对模型和算法进行不断地修正，以此反应负荷变化的内在规律。目前电力负荷预测方法主要有：弹性系数法、回归分析法、灰色预测法、神经网络法等。神经网络法以其預测精度高且不需要构造关系式等优点得到越来越广泛的应用。

针对电力负荷具有周期性、增长性和波动性等规律，本文采用一种基于小波分解的神经网络预测法来预测短期电力负荷。该方法是通过小波变换把负荷分解为不同频段的子序列，各个子序列有其各自的特点，因此在不同尺度上分别用神经网络进行预测，将预测结果进行重构，得到最终的预测结果。……