融合气象特征的BP神经网络电力系统短期负荷预测

摘要

短期负荷预测是电力系统可靠经济运行的重要保证,对新型电力系统构建具有重要意义。发掘负荷强关联因素并构建与时序负荷间的精准映射关系可显著提高预测精度,从关键气象因素分析和基于机器学习的知识关联出发,提出一种融合气象信息与神经网络的电力系统短期负荷预测方法。首先介绍负荷预测基本架构,剖析短期负荷关键技术要点;然后给出基于Pearson系数的相关性分析方法,设计基于分析结果的短期负荷气象特征筛选方法;进一步在介绍BP神经网络基础上,提出涵盖气象特征和时序负荷的样本生成方案与BP神经网络短期负荷预测模型构建方法,同时对气象特征集进行削减,进一步提高预测效果;最后以某地区典型日负荷曲线预测为例,验证了所提方法的应用效果。