资源分配网络在电力系统短期负荷预测中的应用

"电力系统短期负荷预测及其应用系统_2.pdf" 本文主要探讨了人工神经网络在电力系统负荷预测中的应用，特别是在短期负荷预测中的优势。文章指出，神经网络的常见结构包括前向神经网络（如BP网络和RBF网络）和反馈神经网络（如lHopfield神经网络）。前向网络在负荷预测中被广泛应用，因为它们具有无环的拓扑结构，适合处理平稳随机过程，例如短期负荷变化。 神经网络的基本特性包括分布存贮、容错性、可塑性、自适应性和自组织性、并行处理及层次性。这些特性使得神经网络能够处理高度非线性问题，逼近任意函数，适用于模式识别、故障检测、自动控制等领域，其中电力系统负荷预测被视为最具潜力的应用之一。 在电力系统短期负荷预测中，人工神经网络通常用于构建带有隐含层的前馈型网络，由输入层、输出层和若干隐含层组成。网络通过调整连接权重以适应复杂的非线性输入-输出映射关系，实现对负荷变化的预测。对于短期负荷预测，神经网络模型能够有效地记忆和处理这些关系，而传统方法可能无法达到相同的效果。 此外，论文还提出了一种基于资源分配网络的预测模型，并将其首次应用于电力系统负荷预测，实证研究表明该模型具有较高的预测精度。在遇到天气突变等不确定因素时，通过结合专家系统对预测结果进行修正，可以进一步提升预测的准确性。 为了满足电网调度部门的需求，论文开发了一套基于调度自动化系统的短期电力负荷预测系统。该系统采用客户机/服务器模式，利用MSSQL Server作为数据库，C++Builder进行可视化开发，具有实时性、经济性和实用性。系统集成了多种预测方法，如最小二乘法、线性回归法、时间序列法、相似日法、神经网络法和组合算法，提供多样化的预测模型以提高预测精度。通过实际电网数据的实例运算，证明了该系统在地区电网短期负荷预测中的有效性，预测结果准确，用户界面友好，操作简便，且图形功能强大，提高了预测工作效率。 关键词：短期负荷预测、调度自动化系统、人工神经网络、专家系统