肖琦敏， 陈锐， 陈爽

(国网福建省电力有限公司 信息通信分公司， 福建 福州 350001)

0 引言

随着电力市场的日益发展，电力负荷的低估或高估都会给电力系统带来巨大挑战，影响电力系统运行的稳定性和可靠性，所以精准负荷预测能够有利于电网的决策调度，具有重要的现实意义。

随着现代智能用电技术的不断进步，负荷预测理论和技术得到快速发展，研究方法及手段也越来越多样。如果以预测时区作为分类依据，可以将负荷预测分为超短期、短期、中期、长期四类[1]，研究中多侧重于短期负荷预测[2]。但目前已有的算法仍存在局限性。神经网络算法存在着网络构建问题、过度拟合问题和训练样本数据量大问题，这些问题使得神经网络算法难以实现短期负荷的精准预测。回归分析方法是在统计平均意义下定量描述所观察变量间的关系，往往对数据量有所限制。

在以上文献的研究基础上，从研究96点日负荷序列出发，提出一种结合前馈神经网络和装袋混合算法的日负荷预测模型。利用前馈神经网络计算成本函数及误差，并基于梯度下降法更新权重及偏差，最后将日负荷序列预测结果叠加得出最终预测值。

1 前馈神经网络

前馈神经网络(Feedforward neural networks)是一种从信息处理的角度将神经元进行相互联接的人工智能运算模型，是人工神经网络的一类。神经网络由输入层、隐藏层和输出层三部分组成，隐藏层选择考虑权重和偏差的Sigmoid激活函数,如式(1)。……