[发明专利]带有水电站的配电网短期负荷预测方法

摘要

本发明提供的带有水电站的配电网短期负荷预测方法，采用神经网络短期负荷预测模型，针对标准BP神经网络由于初始神经元之间的权值和阈值一般随机选择而具有易陷入局部最小值和收敛速度慢的缺点，用遗传算法对神经网络权值和阈值进行优化；采用基于重构相空间的神经网络短期负荷预测模型进行预测，将水电站发电负荷历史数据经过相空间重构后作为BP神经网络的输入变量，来进行水电站发电负荷的预测，再结合改进的GA-BP神经网络短期负荷预测模型，这样就构成了含密集径流式水电站地区的短期负荷混合预测方法，克服了人工选择输入输出节点的经验误差，从而提高预测准确度。

主权项

带有水电站的配电网短期负荷预测方法，其特征在于，包括以下步骤：步骤1，将带有水电站的配电网供给负荷分解为全社会用电负荷和水电站发电负荷；步骤2，对于全社会用电负荷，采用遗传神经网络负荷预测模型进行预测；步骤3，对于水电发电负荷，采用基于重构相空间的神经网络负荷预测模型进行预测；步骤4，通过公式“网供负荷+水电发电负荷＝全社会用电负荷”还原网供负荷。