短期电力负荷组合预测分析方法研究

• 作者: 刘燕秋 李金湖 罗义旺 许元斌 陈坤 黄文思
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 电力负荷预测 ARMA BPNN 周期性预测 非线性预测
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 理论创新
• 页码范围: 32-35
• 页数: 4页
• 分类号: TN73
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2017.03.032

摘要

电力负荷预测是电网公司的一项重要工作,现实中许多因素均能引起负荷变化,故电力负荷具有周期变化以及随机变化的特征.任何一种单一预测法均不能较为全面的预测电力系统负荷变化,针对这个问题,本文引入竞争理论,将BP神经网络(BPNN)与自回归滑动平均模型(ARMA)相结合,构建成组合式预测法(ARMA-BPNN),其综合利用了两者的优点,可以预测周期性和非线性电力负荷变化.该预测方法的BPNN预测电力负荷的非线性规律,ARMA预测周期性规律,最后将两者预测结果叠加,得出最终的负荷变化规律.仿真表明,ARMA-BPNN兼具两者优点,起到了优势互补的作用,提高了电力负荷预测的精准度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许元斌	国网信通亿力科技有限责任公司智能电网大数据实验室	15	140	7.0	11.0
2	黄文思	国网信通亿力科技有限责任公司智能电网大数据实验室	21	79	5.0	7.0
3	李金湖	国网信通亿力科技有限责任公司智能电网大数据实验室	9	27	4.0	5.0
4	刘燕秋	国网信通亿力科技有限责任公司智能电网大数据实验室	4	20	4.0	4.0
5	罗义旺	国网信通亿力科技有限责任公司智能电网大数据实验室	12	44	4.0	5.0
6	陈坤	国网信通亿力科技有限责任公司智能电网大数据实验室	2	21	2.0	2.0