基于GM(1，1)与BP神经网络的综合负荷预测

doi:10.12204/j.issn.1000-7229.2020.05.009

电力建设 ›› 2020, Vol. 41 ›› Issue (5): 75-80.doi: 10.12204/j.issn.1000-7229.2020.05.009

• 新一代人工智能在配网规划和运行中的应用 ·栏目主持余涛教授、张孝顺副教授、杨博副教授· • 上一篇下一篇

基于GM(1，1)与BP神经网络的综合负荷预测

宋建，束洪春，董俊，梁雨婷，李雨龙，杨博

昆明理工大学电力工程学院，昆明市 650500

出版日期:2020-05-01
作者简介:宋建（1978），男，硕士，实验师，研究方向为电力系统信号处理、复杂系统建模与控制等；束洪春（1961），男，教授，博士生导师，研究方向为电力系统新型继电保护与故障测距、故障录波、数字信号处理及应用等；董俊（1977），男，通信作者，硕士，讲师，博士生研究生，从事配电网故障检测与保护控制研究；梁雨婷(1996)，女，硕士研究生，研究方向为配电网与自动化；李雨龙(1998)，男，硕士研究生，研究方向为基于中压直流配电中心的虚拟阻抗技术研究；杨博(1988)，男，副教授，博士研究方向为非线性自适应控制，风力发电优化及控制等。
基金资助:
国家自然科学基金项目(51977102，61963020)

Comprehensive Load Forecast Based on GM(1，1) and BP Neural Network

SONG Jian， SHU Hongchun， DONG Jun， LIANG Yuting， LI Yulong， YANG Bo

Faculty of Electric Power Engineering，Kunming University of Science and Technology，Kunming 650500， China

Online:2020-05-01
Supported by:
This work is supported by National Natural Science Foundation of China(No. 51977102，No. 61963020).

摘要/Abstract

摘要： 针对电力负荷预测中的单一预测模型存在的局限性，提出基于BP神经网络和GM(1，1)的残差修正组合模型。通过算法组合的方式进行系统建模，从而提高负荷预测模型的精度。首先通过GM(1，1)模型进行预测，得到灰色残差序列，利用灰色残差序列建立BP残差修正模型，利用该模型进行残差预测，最后将残差修正值和GM(1，1)模型预测值进行叠加得到最终所需的负荷预测值。利用该模型对某地区进行仿真实验，结果表明该修正模型具有较高的预测精度和实用性。

关键词: , 负荷预测, GM(1, 1), BP神经网络, 组合预测, 残差修正

Abstract: Aiming at the limitation of the single forecasting model in power load forecast， this paper proposes a combined model based on BP neural network and GM (1，1) residual correction to improve the precision of load forecasting model. The algorithm combination is used to model the system. First， the GM (1，1) model is used for prediction to obtain the gray residual sequence， which is used to establish the BP residual correction model. The model is used for residual prediction. Finally， the residual correction value and GM (1，1) are used. The model predicted values are superimposed to obtain the finally required load predicted value. The model is verified in a simulate case， whose results show that the modified model has high prediction accuracy and practicability.

Key words: load forecast, GM(1, 1), BP neural network, combined forecast, residual correction

中图分类号:

TM 715

宋建，束洪春，董俊，梁雨婷，李雨龙，杨博. 基于GM(1，1)与BP神经网络的综合负荷预测[J]. 电力建设, 2020, 41(5): 75-80.

SONG Jian， SHU Hongchun， DONG Jun， LIANG Yuting， LI Yulong， YANG Bo. Comprehensive Load Forecast Based on GM(1，1) and BP Neural Network[J]. Electric Power Construction, 2020, 41(5): 75-80.

参考文献

［1］苏学能，刘天琪，曹鸿谦，等. 基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法［J］. 中国电机工程学报， 2017， 37(17): 4966-4973， 5216.
SU Xueneng， LIU Tianqi， CAO Hongqian， et al. A multiple distributed BP neural networks approach for short-term load forecasting based on hadoop framework［J］. Proceedings of the CSEE， 2017， 37(17): 4966-4973， 5216.
［2］郭鸿业，陈启鑫，夏清，等. 考虑经济因素时滞效应的月度负荷预测方法［J］. 电网技术， 2016， 40(2): 514-520.
GUO Hongye， CHEN Qixin， XIA Qing， et al. Study on mid-term electricity load forecast considering time lag effects of economic factors［J］. Power System Technology， 2016， 40(2): 514-520.
［3］陈吕鹏，殷林飞，余涛，等. 基于深度森林算法的电力系统短期负荷预测［J］. 电力建设， 2018， 39(11): 42-50.
CHEN Lüpeng，YIN Linfei， YU Tao， et al. Short-term power load forecasting based on deep forest algorithm［J］. Electric Power Construction， 2018， 39(11): 42-50.
［4］龙勇，苏振宇，汪於. 基于季节调整和BP神经网络的月度负荷预测［J］. 系统工程理论与实践， 2018， 38(4): 1052-1060.
LONG Yong， SU Zhenyu， WANG Yu. Monthly load forecasting model based on seasonal adjustment and BP neural network［J］. Systems Engineering-Theory & Practice， 2018， 38(4): 1052-1060.
［5］丁松，党耀国，徐宁，等. 非等间距GM(1， 1)模型性质及优化研究［J］. 系统工程理论与实践， 2018， 38(6): 1575-1585.
DING Song， DANG Yaoguo， XU Ning， et al. Research on properties and optimization of unequal interval GM(1， 1) model［J］. Systems Engineering-Theory & Practice， 2018， 38(6): 1575-1585.
［6］龙勇，苏振宇，盖晓平. 成分分解方法预测月度电力负荷［J］. 电力系统及其自动化学报， 2017， 29(5): 35-40.
LONG Yong， SU Zhenyu， GAI Xiaoping. Monthly load forecasting using component decomposition method［J］. Proceedings of the CSU-EPSA， 2017， 29(5): 35-40.
［7］刘承伟，赵洪凯，严豪，等. 基于分数阶GM(1， 1)与BP神经网络的电力负荷预测［J］. 数学的实践与认识， 2018， 48(23): 145-151.
LIU Chengwei， ZHAO Hongkai， YAN Hao， et al. Power load forecasting based on fractional GM(1， 1) and BP neural network［J］. Mathematics in Practice and Theory， 2018， 48(23): 145-151.
［8］李龙，魏靖，黎灿兵，等. 基于人工神经网络的负荷模型预测［J］. 电工技术学报， 2015， 30(8): 225-230.
LI Long， WEI Jing， LI Canbing， et al. Prediction of load model based on artificial neural network［J］. Transactions of China Electrotechnical Society， 2015， 30(8): 225-230.
［9］何耀耀，闻才喜，许启发. 基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法［J］. 电力自动化设备， 2016， 36(11): 120-126.
HE Yaoyao， WEN Caixi， XU Qifa. Mid-term power load probability density forecast based on Epanechnikov kernel and optimal window bandwidth［J］. Electric Power Automation Equipment， 2016， 36(11): 120-126.
［10］刘文博，傅旭华，王蕾，等. 电力负荷无迹卡尔曼阈值多频级WNN区间预估［J］. 电网技术， 2016， 40(2): 527-533.
LIU Wenbo， FU Xuhua， WANG Lei， et al. WNN interval estimation algorithm for electric load forecasting based on threshold multi-frequency unscented kalman filter［J］. Power System Technology， 2016， 40(2): 527-533.
［11］王吉权，王福林，董志贵，等. 基于改进BP神经网络的电力负荷预测［J］. 数学的实践与认识， 2017， 47(9): 276-284.
WANG Jiquan， WANG Fulin， DONG Zhigui， et al. Electrical load forecasting based on improved BP neural network［J］. Mathematics in Practice and Theory， 2017， 47(9): 276-284.
［12］谷云东，马冬芬，程红超. 基于相似数据选取和改进梯度提升决策树的电力负荷预测［J］. 电力系统及其自动化学报， 2019， 31(5): 64-69.
GU Yundong， MA Dongfen， CHENG Hongchao. Power load forecasting based on similar-data selection and improved gradient boosting decision tree［J］. Proceedings of the CSU-EPSA， 2019， 31(5): 64-69.
［13］姚李孝，刘学琴. 基于小波分析的月度负荷组合预测［J］. 电网技术， 2007， 31(19): 65-68.
YAO Lixiao， LIU Xueqin. A wavelet analysis based combined model for monthly load forecasting［J］. Power System Technology， 2007， 31(19): 65-68.
［14］束洪春，邬乾晋，张广斌，等. 基于神经网络的单端行波故障测距方法［J］. 中国电机工程学报， 2011， 31(4): 85-92.
SHU Hongchun， WU Qianjin， ZHANG Guangbin， et al. Single terminal traveling wave fault location method based on ANN［J］. Proceedings of the CSEE， 2011， 31(4): 85-92.
［15］杨茂，董骏城，罗芫，等. 基于近似熵的电力系统负荷预测误差分析［J］. 电力系统保护与控制， 2016， 44(23): 24-29.
YANG Mao， DONG Juncheng， LUO Yuan， et al. Study of power system load forecasting errors based on approximate entropy［J］. Power System Protection and Control， 2016， 44(23): 24-29.

[1]	汤吉鸿, 章德, 丛凡超, 田国梁, 吴贵烘, 李宇骏, 禹海峰. 基于线性二次型最优控制的多端直流最优功率调制方案[J]. 电力建设, 2020, 41(8): 32-39.
[2]	赵洱岽, 王浩, 林弘杨. 现货市场中基于演化博弈的火电企业阶梯报价策略[J]. 电力建设, 2020, 41(8): 68-71.
[3]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[4]	钟永洁，谢东亮，孙永辉，翟苏巍，常福刚，张明理. 考虑能源子系统与储能的综合能源系统优化分析[J]. 电力建设, 2019, 40(8): 59-68.
[5]	杨军，林洋佳，陈杰军，李逸欣，詹祥澎. 未来城市共享电动汽车发展模式[J]. 电力建设, 2019, 40(4): 49-59.
[6]	江帆，杨洪耕. 基于选择性贝叶斯分类的非侵入式负荷识别方法[J]. 电力建设, 2019, 40(2): 94-.
[7]	刘中原，王维庆，王海云，袁成玉，王亮，李永钦，丁文彬. 基于VSG技术的VSC-HVDC输电系统受端换流器控制策略[J]. 电力建设, 2019, 40(2): 100-.
[8]	林伟芳，易俊，贾俊川，王安斯，余芳芳，方诗卉. 故障后半波长输电线路的稳态过电压控制措施[J]. 电力建设, 2019, 40(2): 109-.
[9]	崔树银，陆奕，常啸. 考虑信用评分机制的电力碳排放交易区块链模型[J]. 电力建设, 2019, 40(1): 104-111.
[10]	张涌新，沈弘，马静. 综合能源系统负荷特性分析及应用研究[J]. 电力建设, 2018, 39(9): 18-29.
[11]	黄裕春，王宏，王珂，文福拴. 考虑电动汽车充电设施接入的居民配电系统供电容量最优规划[J]. 电力建设, 2018, 39(6): 1-.
[12]	常巩, 邓友均, 杨洪明, 文福拴, 赖明勇. 充换电站模式下电动汽车参与物流配送的电能补给方式规划[J]. 电力建设, 2018, 39(6): 7-.
[13]	刘洵源, 齐峰, 文福拴, 冯昌森, 王蕾，邹波，张西竹. 光伏不平衡接入的配电系统中电动汽车有序充电策略[J]. 电力建设, 2018, 39(6): 21-.
[14]	杨文涛, 王蕾, 邹波, 张西竹, 文福拴, 程敏 . 基于大数据服务平台的电动汽车有序充放电管理[J]. 电力建设, 2018, 39(6): 28-.
[15]	郑涛，张滋行. 基于半桥子模块的模块化多电平换流器内部故障诊断及对策[J]. 电力建设, 2018, 39(6): 42-.

基于GM(1，1)与BP神经网络的综合负荷预测

Comprehensive Load Forecast Based on GM(1，1) and BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价