基于功率谱分解和实时气象因素的短期负荷预测
提出了基于功率谱分解和实时气象因素的短期负荷预测方法,采用快速傅里叶变换(fast Fourier transform,FFT)对负荷序列进行变换得到功率谱,依据变换结果分析功率谱得出负荷基频、低频和高频分量的频率范围,采用有限脉冲响应(finite impulse response,FIR)滤波器从负荷中分离出各个负荷分量.分析各个负荷分量的特点,针对各个负荷分量分别设计预测模型,对基频分量采用Elman回归神经网络进行预测,这部分较好地反映出基频分量的时间序列特性;对低频和高频分量分别采用自适应线性回归神经网络进行预测,在对这部分分量的预测中重点引入实时气象因素,以利用最新的气象信息提高预测精度.通过在某地区的实际应用证明了所提出方法的有效性.
谱分解、实时气象因素、短期负荷预测、人工神经网络、电力系统
31
TM715(输配电工程、电力网及电力系统)
2008-03-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
47-51