基于ARMA-GABP组合模型的电网大停电事故损失负荷预测

摘要：

损失负荷作为衡量大停电事故风险的重要指标,如何对其进行准确预测对于电网的安全运行具有十分重要的参考意义.选取1981—2016年东北电网和西北电网的大停电事故损失负荷作为实验数据进行分析,为消除电网发展对数据分析产生的影响,采用相对值法对电网大停电事故损失负荷进行处理.根据实验数据的特点,将损失负荷相对值的数据结构分解为线性和非线性残差部分,建立自回归滑动平均(ARMA)模型和遗传算法(GA)优化的误差反向传播(BP)神经网络组合模型,对东北电网大停电事故进行综合分析与预测.将所提模型的预测结果与单一模型和ARMA-BP模型的预测结果相对比,结果表明,所提模型的预测精度更高,预测效果较为理想.为进一步验证该预测模型的有效性,将西北电网大停电事故数据代入预测模型,实验结果表明该预测模型在电网大停电事故损失负荷方面具有良好的预测效果.

关键词：电网、大停电事故、损失负荷、ARMA模型、GA-BP神经网络、组合模型、预测

所属期刊栏目：51

分类号：TM732(输配电工程、电力网及电力系统)

资助基金：国家电网公司科技项目

在线出版日期：2019-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44