Elman神经网络的数据预测----电力负荷预测模型研究

随着国民经济的发展和人民生活水平的提高，人们对电能质量的要求也越来越高，电力负荷预测作为保证电能质量的一个基本工具，其重要性也越来越被人们所认识。电力负荷预测不仅是电力系统规划设计与计划管理工作中的一项基础工作，而且是今后进行电网商业化运营所必需的基本内容，同时，电力负荷预测又是一项工作量大，需要反复进行的复杂工作。随着国家经济的发展，电力企业走向市场的形式对电力负荷预测提出了新的要求，如何使预测手段及预测结果满足市场经济化的电力发展是预测人员所面临的新课题。为了适应电网管理现代化、科学化的要求;为了减轻电力负荷预测工程师经常进行的数据整理、加工和计算工作;为了保证数据的可继承性和做到与其他部门信息共享;为了使计算机技术在电力负荷预测中发挥重要作用;为适应新的电力市场需求，必须开发新一代的负荷预测模块。为此，·需要充分应用最先进的科学预测理论，运用当今计算机技术手段，做出符合市场需求的科学预测。电力系统由电力网、电力用户共同组成。其任务是给广大用户不间断地提供经济、可靠、符合质量标准的电能，满足各类负荷的需求，为社会发展提供动力。由于电力的生产与使用具有特殊性，即电能难以大量的储存，而且各类用户对电力的需求是时刻变化的，这就要求系统发电出力应随时紧跟系统负荷的变化动态平衡，即系统要最大限度地发挥出设备能力，使整个系统保持稳定且高效地运行，以满足用户的需求。否则，就会影响供用电的质量，甚至危及系统的安全与稳定。因此，电力系统负荷预测技术发展起来，并且是这一切得以顺利进行的前提和基础。负荷预测的核心问题是预测的技术问题，或者说是预测的数学模型。传统的数学模型是用显示的数学表达式加以描述，具有计算量小、速度快的优点，但同时也存在很多的缺陷和局限性，比如不具备自学习、自适应能力、预测系统的鲁棒性没有保障等。特别是随着我国经济的发展，电力系统的结构日趋复杂，电力负荷变化的非线性、时变性和不确定性的特点更加明显，很难建立一个合适的数学模型来清晰地表达负荷和影响负荷