摘 要

短期电力负荷预测一般指预期几个小时、一天或者几天的电力负荷预测。其在调度安全中扮演着较重的角色，预测精度的高低将会直接影响到电力负荷系统运作的稳定性、经济性和供电质量。因此，提高电力负荷的预测精度，建立性能优良的短期电力负荷预测模型，已成为电力系统研究领域的一个热点问题。

关于短期负荷预测的研究已经有了很长的历史，短期负荷预测技术在20世纪50年代以来，国内外专家和学者已做了大量的研究。经典的方法诸如回归分析法、时间序列法、卡尔曼滤波法以及其他传统的负荷预测方法。20世纪90年代初，随着人工智能技术的不断发展，短期电力负荷预测技术也引入了人工智能技术，如支持向量机、专家系统法、模糊预测法、小波分析法以及混沌理论法等方法。但仍存在程序复杂，精度不高，收敛速度慢，稳定性不强等缺陷。

在过去的研究中，人工神经网络在短期负荷预测中的应用已经成为一个研究热点，大量的论文已成功地进行了实验仿真和实际应用。神经网络可以以较高的精度拟合非线性数据，适合进行短期电力负荷预测。

因此，本文基于神经网络模型进行了研究，并建立了神经网络短期电力负荷预测模型，总结整个研究过程进行，主要工作包括以下几点：

1. 阐述了短期电力负荷研究意义以及国内外研究概况；
2. 分析了短期电力负荷特点并总结了短期电力负荷研究传统数学统计方法以及人工智能新方法；
3. 详细介绍了神经网络基础理论和应用特点，找出经典神经网络算法的不足并对其提出改进；
4. 利用Matlab软件，构建经典BP神经网络短期电力负荷预测模型，以及提出的基于递减步长的果蝇算法优化广义回归神经网络的短期电力负荷预测模型，并对历史负荷数据进行仿真，对比仿真结果，比较优劣。验证了所提出改进模型的有效性和先进性。

关键词：短期电力负荷预测；广义回归神经网络；果蝇算法；Matlab

Abstract

Short term load forecasting mainly refers to the forecast for the next few hours or one day to a few days of power load. It plays an important role in scheduling security, the accuracy of prediction has a direct impact on the security, the economy and power supply quality of power system operation. Therefore, to improve the accuracy of load forecasting system has become an important research field in the operation and management of the modern power system.

The research on short term load forecasting has a long history. The short term load forecasting technology has been studied by experts and scholars both at home and abroad since 1950s. Classical methods include regression analysis, time series method, Kalman filter method and other traditional load forecasting methods. In early 1990s, with the development of artificial intelligence technology, artificial intelligence has been gradually introduced into the short-term power load forecasting technology, such as expert system approach, fuzzy prediction method, wavelet analysis method, chaos theory method and SVM method. But there are still shortcomings, such as complex procedures, low precision, slow convergence speed, weak stability and so on.

In the past few years, application of artificial neural network （ANN） for short-term load forecasting has become a research hotspots, and a great number of papers have reported successful experiments and practical tests with ANN. Neural network can fit the high dimension and nonlinear mapping between the input and output from the complex sampled data, thus it can make forecast with high precision.

Therefore, this paper deeply studies the neural network algorithm, and based on the neural network, short-term power load forecasting model is established. Summarizes the whole research process, the main work includes the following points:

1. The significance of short term electric load research and the research situation at home and abroad are described;
2. The short term power load characteristics are analyzed, and the traditional mathematical statistics method and the new method of artificial intelligence are summarized;
3. This paper introduces the basic theory of neural network and its application characteristics, and finds out the shortcomings of the classical neural network algorithm and puts forward the improvement of the algorithm;
4. Using MATLAB software, the classical BP neural network for short-term load forecasting model and a short-term power load forecasting model based on the generalized regression neural network with improved fruit Fly optimization algorithm is constructed, and the historical load data are simulated with the two kinds of model. Compare the simulation results and compare their advantages and disadvantages. The validity and the advanced nature of the improved model are verified.

Key Words： short term power load forecasting；generalized regression neural network；fruit fly algorithm； Matlab

目 录

摘 要 3

Abstract 4

目 录 6

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状分析 1

1.3 本文主要工作 3

第2章 短期电力负荷特性特点和方法 4

2.1 影响电力负荷的因素 4

2.2 短期电力负荷特点 4

2.3 电力负荷预测方法 4

2.4 本章小结 5

第3章 基于神经网络的短期电力负荷预测建模及仿真 7

3.1人工神经网络基本理论 7

3.1.1 神经元模型 7

3.1.2 人工神经网络的结构特点 8

3.1.3 人工神经网络的学习过程 8

3.1.4 人工神经网络的基本特点 9

3.2基于BP神经网络的短期电力负荷预测模型 10

3.2.1 BP神经网络结构： 10

3.2.2 算法学习规则 11

3.2.3 BP神经网络算法步骤 11

3.3基于BP神经网络的短期电力负荷预测模型 12

3.3.1 样本归一化 12

3.3.2 输入向量和输出向量设计 14

3.3.3 BP网络的部分参数设定 15

3.3.4 BP神经网络电力负荷预测模型仿真结果 17

3.4本章小结 18

第4章 基于递减步长的果蝇算法优化广义回归神经网络的短期电力负荷预测模型 20

4.1 广义回归神经网络 20

4.2 标准果蝇算法 22

4.3 递减步长的果蝇优化算法 24

4.4 SFOA对GRNN网络的优化过程 25

4.5 SFOA-GRNN短期电力负荷预测模型实验分析与比较 28

4.6 本章小结 30

结 论 30

参考文献 1

致 谢 3

附录A BP神经网络短期电力负荷预测模型matlab代码 5

附录B 标准果蝇算法代码 7

附录C GRNN-SFOA短期电力负荷预测模型matlab代码 10

第1章 绪论

1.1 研究背景及意义

电力系统由发电厂、送变电线路、供配电所和电力用户组成，其作用是提供经济、安全、优质的电能。但是因为电力系统突变性强，且电能不便于存储，因此要求电力系统的发电量需要尽量与电力负荷的变化保持一致，否则就会降低供电质量和稳定性。因此，电力系统负荷预测也逐渐成为电力系统的研究热点之一 ^[1-4]。

近年来，由于市场转型，我国用电量大幅下降，电力设备出现了一定的闲置，影响了电力企业的效益。由于产生的电能不便于进行储存，因此电力系统的发电量需要与负荷变化保持一致。短期负荷预测一般是指预测将来几个星期、几天或者几小时的负荷需求情况，预测的目标是要满足用户的用电需求。就目前看来，提高短期电力负荷预测的精度的意义在于：

（1）为了能对给发电厂的发电量提供参考，使得对发电机组运行强度可以事先估量，短期电力负荷预测对于装机较小的孤立电网是必要的；