电力系统负荷预测基于神经网络模型

电力系统负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是电网调度部门和规划部门所必须具有的基本信息。准确的负荷预测有助于提高系统的安全性和稳定性，能够减少发电成本。随着电力市场的建立和发展，短期负荷预测技术已成为电力系统EMS系统中必不可少的部分。

短期负荷预测是指提前预报未来几小时、1天至几天的电力负荷，主要用于安排日开停机计划和发电计划。对一个电力企业而言，提高运行的安全性和经济性，提高发电设备的利用率和经济调度的有效性，都要依赖准确的短期负荷预测结果。短期负荷预测作用的大小主要取决于预测精度，因此如何提高预测精度是目前研究短期负荷预测理论和方法的重点。

人工神经网络（Artificial Neural Networks ，即ANN）是一种采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。人工神经网络是近年来十分热门的交叉学科，它涉及生物、电子、计算机、数学和物理学科，有着非常广泛的应用前景，其应用领域包括：建模、时间序列分析、模式识别和控制等。人工神经网络所具有的较强的非线性映射和强大的自学习、自适应能力，在负荷预测中得到了越来越多的应用。

采用BP神经网络模型，通过对前几日电力负荷的学习和锻炼，最终输出下一日的电力负荷预测，且同时输出误差，程序可拓展性相当强，excel表格可以自由输入数据。

图1 电力系统负荷预测

%%%训练样本：输入：Intput；输出：Tempout
%%%测试样本：输入：Testinput；输出：Testoutput
tic
[input,minp,maxp,output,mint,maxt]=premnmx(Intput,Tempout);
net=newff(minmax(Intput),[9,1],{'tansig','purelin'},'traingdm');
inputweights=net.IW{1,1};
inputbias=net.b{1};
layerweights=net.LW{2,1};
layerbias=net.b{2};