电网短期负荷预测的BP-ANN方法及应用

doi:10.3969/j.issn.1000－7229.2014.03.010

电力建设 ›› 2014, Vol. 35 ›› Issue (3): 54-58.doi: 10.3969/j.issn.1000－7229.2014.03.010

电网短期负荷预测的BP-ANN方法及应用

张刚，刘福潮，王维洲，李正远，郑晶晶，梁雅芳

国网甘肃省电力公司电力科学研究院，兰州市730050

出版日期:2014-03-01
作者简介:张刚（1984），男，博士后，主要从事电网规划与节能研究工作，E-mail：zhanggang3463003@163.com；刘福潮（1960），男，博士，高级工程师，主要从事电力节能研究工作，E-mail：liufc8127@sina.com；王维洲（1967），男，博士，教授级高级工程师，主要从事电力节能研究工作，E-mail：wangwz@gs.sgcc.com.cn；李正远（1958），男，高级工程师，主要从事电网调度研究工作，E-mail：lizhy3517@126.com；郑晶晶（1981），女，工程师，主要从事电网节能工作研究，E-mail：jingjing110@163.com；梁雅芳（1974），女，工程师，主要从事电网节能工作研究，E-mail：bylyf@163.com
基金资助:
国家电网公司科技项目（5227221303A0；5227221302A2）

BP-ANN Method for Power Grid Short-Term Load Forecasting and Its Application

ZHANG Gang, LIU Fuchao, WANG Weizhou, LI Zhengyuan, ZHENG Jingjing, LIANG Yafang

Gansu Electric Power Research Institute, Lanzhou 730050, China

Online:2014-03-01

摘要/Abstract

摘要：

针对电网短期负荷预测中传统方法预测精度较低的问题，提出一种基于反向传播人工神经网络（back-propagation artificial neural network, BP-ANN）短期负荷预测的方法。应用多尺度熵法对短期负荷数据进行分析，得出预测点不仅和前期临近数据相关，而且和远期历史负荷数据相关；同时运用自相关分析法，基于BP-ANN建立适合陕西电网的短期负荷预测方法，并将此方法应用于实际电网负荷中，结果表明此方法简单可行，精度较高，比较实用。

关键词: 电网, 短期负荷预测, 基于反向传播人工神经网络（BP-ANN）, 多尺度熵

Abstract:

Aimed at the problem of low accuracy of traditional method for power system short-term load forecast, this paper presents a method for short-term load forecasting based on BP-ANN（back-propagation artificial neural network）. The multiscale entropy method was used to analyze the short-term load data, whose results showed that the forecast points were related to both the prophase adjacent data and the periodical long-term historical load data. Meanwhile, with using autocorrelation analysis method, the suitable method for short-term load forecasting of Shaanxi power grid was presented based on BP-ANN, and applied in practical power system load. The results have shown that this method is simple, feasible, more practical, and with high precision.

Key words: power grid, short-term load forecasting, BP-ANN, multiscale entropy

张刚，刘福潮，王维洲，李正远，郑晶晶，梁雅芳 . 电网短期负荷预测的BP-ANN方法及应用[J]. 电力建设, 2014, 35(3): 54-58.

ZHANG Gang, LIU Fuchao, WANG Weizhou, LI Zhengyuan, ZHENG Jingjing, LIANG Yafang . BP-ANN Method for Power Grid Short-Term Load Forecasting and Its Application[J]. ELECTRIC POWER CONSTRUCTION, 2014, 35(3): 54-58.

参考文献

［1］陈志业，牛东晓，张英怀，等。电网短期电力负荷预测系统的研究［J］. 中国电机工程学报，1995, 15（1）:30-35.

［2］康重庆，夏清，刘梅，等. 应用于短期负荷预测中的回归分析的特殊问题［J］. 电力系统自动化，1998, 12（10）:38-41.

［3］王典礼. 指数平滑日负荷预测［J］. 水电能源科学，1998，6（1）:25-29.

［4］杨正瓴，张广涛，林孔元. 时间序列法短期负荷预测准确度上限估计［J］. 电力系统及其自动化学报，2004, 16（2）:36-39.

［5］杨叔子，吴雅，王治藩, 等. 时间序列分析的工程应用［M］. 武汉：华中理工大学出版社，1996.

［6］陈桂远. 广西电网短期负荷预测及其数学模型［J］. 广西电力技术，2001, 23（1）:50-53.

［7］康重庆，夏清，刘梅，等. 灰色系统参数估计与不良数据辨识［M］. 北京：清华大学出版社， 1997.

［8］李元诚，方廷建，于尔铿. 短期负荷预测的支持向量机方法研究［J］. 中国电机工程学报，2003, 23（6）: 55-59.

［9］潘峰，程浩忠，杨镜非，等. 基于支持向量机的电力系统短期负荷预测［J］. 电网技术，2004, 28（21）: 39-42.

［10］杨镜非，程浩忠. SVM在电网短期负荷预测中应用研究［J］. 电力自动化设备, 2004, 24（2）: 30-32.

［11］欧建平，李丽娟. 人工神经网络在电力系统短期负荷预测中的应用［J］. 广东电力，1999（4）:48-52.

［12］姜勇. 基于模糊聚类的神经网络短期负荷预测方法［J］. 电网技术，2003, 27（2）: 45-49.

［13］姜勇，卢毅. 基于相似日的神经网络短期负荷预测方法［J］. 电力系统及其自动化学报，2001, 13（6）: 35-37.

［14］尤勇，盛万兴，王孙安. 基于人工免疫神经网络的短期负荷预测模型［J］. 中国电机工程学报，2003，23（3）: 26-29.

［15］谢开贵，李春艳，愈集辉. 基于遗传算法的短期负荷组合预测模型［J］. 电网技术， 2001, 25（8）: 20-23.

［16］安德洪，韩文秀，岳毅宏. 组合预测法的改进及其在负荷预测中的应用［J］. 系统工程与电子技术，2004, 26（6）:842-844.

［17］尚松浩.水资源系统分析方法及应用［M］.北京：清华大学出版社，2006.

［18］ Pincus S M. Approximate entropy as a measure of system complexity ［J］. Proc Natl Acak Sci, 1991（8）:2297-2301.

［19］ Pincus S M. Approximate entropy as a complexity measure ［J］. Chaos, 1995, 5（1）:110-117.

［20］ Richman J S, Moorman J R. Physiological time-series analysis using approximate entropy and sample entropy ［J］. Am J Physiol Heart, 2000, 1（23）:2039-2040.

［21］ Hippert H S, Pereira C E, Souza R Castro. Neural networks for short-term load forecasting: a review and evaluation［J］. IEEE Trans Power Syst, 2001, 16（4）:44-45.

［22］ Dreaga I, Rhaman S. Input variable selection for ANN-based short-term load forecasting［J］. IEEE Trans Power System, 1998, 13（11）:1238-1344.

［23］ Santos P J, Martins A G, Pires A J. Design the input Vector to ANN-based models for short-term load forecast in electricity distribution systems ［J］. Electrical Power and Energy System, 2007, 29（1）:338-347.

[1]	庞传军，牟佳男，余建明，武力. 基于运行关键指标和Seq2Seq的大电网运行异常识别[J]. 电力建设, 2020, 41(7): 17-24.
[2]	李恒强，王骏，蒋星燃，匡仲琴，徐石明，杨永标. 面向电网调峰辅助服务的空调负荷调控策略及其虚拟机组建模[J]. 电力建设, 2020, 41(7): 49-57.
[3]	方朝雄，吴晓升，江岳文. 考虑暂态稳定性的网储多目标双层优化[J]. 电力建设, 2020, 41(7): 58-66.
[4]	黄家祺，张宇威，贺继锋，颜炯，朱旭，杨军. 一种考虑极限场景的配电网鲁棒扩展规划方法[J]. 电力建设, 2020, 41(7): 67-74.
[5]	刘家妤，马佳骏，王颖，许寅. 多源协同的智能配电网故障恢复次序优化决策方法[J]. 电力建设, 2020, 41(6): 100-106.
[6]	高崇，曾广璇，张俊潇，曹华珍，唐俊熙，余涛. 基于成功流法的配电信息物理系统可靠性评估[J]. 电力建设, 2020, 41(5): 58-65.
[7]	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.
[8]	张志荣，邱晓燕，孙旭，任昊，张明珂. #br# 协调柔性负荷与储能的交直流配电网经济优化调度[J]. 电力建设, 2020, 41(5): 116-123.
[9]	丁保迪，季宇，王永刚，苏剑，魏大钧，陈继开. 面向多能互补微网的故障辨识与继电保护算法[J]. 电力建设, 2020, 41(4): 10-21.
[10]	周斌，张卫国，崔文佳，毛东宇，陈中. 考虑预警负荷的电动汽车充放电优化策略[J]. 电力建设, 2020, 41(4): 10-21.
[11]	钟士元，熊宁，张成昊，李映雪，舒娇，张鹏. 配电网网架结构与配电自动化终端协同规划方法[J]. 电力建设, 2020, 41(3): 23-30.
[12]	刘自发，王新月，于寒霄，高建宇，吴刚. 微电网与配电网的成本效益关系及交互电量定价方法[J]. 电力建设, 2020, 41(3): 39-46.
[13]	史景坚，周文涛，张宁，陈桥，刘金涛，曹振博，陈懿，宋航，刘友波. 含储能系统的配电网电压调节深度强化学习算法[J]. 电力建设, 2020, 41(3): 71-78.
[14]	沈青文，程若发，付鑫. 一种计及脆弱性指标的分布式电源优化配置方法[J]. 电力建设, 2020, 41(3): 54-61.
[15]	任郡枝，陈健，姜心怡，孙旭日，张松，李文升. 考虑可移动式储能与网络重构的弹性配电网灾后恢复策略[J]. 电力建设, 2020, 41(3): 86-92.

电网短期负荷预测的BP-ANN方法及应用

BP-ANN Method for Power Grid Short-Term Load Forecasting and Its Application

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