基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测

陈宇航; 王渝红; 南璐; 何川; 王腾鑫; 张敏

doi:10.19725/j.cnki.1007-2322.2023.0036

现代电力 ›› 2025, Vol. 42 ›› Issue (02) : 352 -359. DOI: 10.19725/j.cnki.1007-2322.2023.0036

基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测

陈宇航, 王渝红, 南璐, 何川, 王腾鑫, 张敏

作者信息 +

Author information +

文章历史 +

PDF

摘要

为提高电力系统短期负荷预测精度，充分挖掘历史数据中的多维度信息，更好地克服历史数据缺失带来的不利影响，提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到相似日集合，而后采用相似日数据对BP神经网络进行训练得到单点负荷值预测结果。其次，重点考虑历史数据的周期性和时序变化趋势，基于Prophet时序模型对历史负荷数据进行周期非线性拟合。通过历史数据拟合误差反馈，调整优化模型的关键超参数，最后基于误差倒数法组合得到短期负荷预测结果。以某地区电力负荷数据作为算例验证，结果表明所提的改进预测模型预测精度更高，且在克服历史数据缺失和拟合非工作日负荷曲线等方面具有优势。