进行自学习，因此可以预测未来负荷。这种方法记忆性很强，同时非线性映射能力以及 极强的自学习能力让它在市场上应用很广发，但它有一个缺点，就是是学习过程的收敛 速度比较慢，容易陷入局部最小点，导致预测结果不准确。当然，这种理论一般很难将 其表达出来，同时预测人员一些经验性知识也很难被充分应用。

（4）模糊负荷预测 最近几年，模糊负荷预测越来越受到人们的注意。正是采用的模糊数学理论能够有

效地控制某些无法建立数学模型的过程，很多人才将其作为了自己当前的研究方向。总 而言之，这种预测方法就是依靠一种解模糊算法才能使人们所建立出来的数学模型能够 对一个非线性模型进行任意逼近，这是传统的预测方法所不能做到的。文献综述

1。4 本文主要工作

第一章：介绍电力系统负荷预测的目的和意义以及预测方法，分析国内外研究现状

以及所存在的问题，并简要概述本文主要工作。 第二章：概述负荷预测研究的原理和特点，同时研究影响负荷预测的因素，并对初

始数据进行处理。

第三章：介绍人工神经网络的基本知识，介绍 BP 网络和 Elman 神经网络这两种人 工神经网络的网络结构、网络原理及学习算法等，并简单进行分析比较。

第四章：简单对 MATLAB 语言进行介绍，同时基于 Elman 神经网络建立负荷预测 模型并对部分程序进行说明。

第五章：得出仿真结果，计算预测负荷和真实数据之间的相对误差，并对其作出分 析。

第二章 负荷预测及数据处理

2。1 负荷预测的概念和分类

2。1。1 概念

电力公司的决策将会直接受到预测精准性的影响，如果预测值过低，它将会对附近 供电区域的售电收益产生影响，但如果预测值过高，有些电厂就不能充分利用现有发电 的容量，使得投资浪费。所以说，负荷预测是否准确是一件很重要的事。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

通过调查研究当前的电力需求，再根据已知的经济和社会发展状况，正确使用一定 的方法来对大量真实数据分析处理，找出它们之间的联系，从而科学预测电力负荷的发 展趋势，这就是我们常说的电力负荷预测的过程。在商业化运行体制下，能否做好负荷 预测工作已经成为了直接关系到电网运行的成本和供电公司的切身利益的重要因素。

电力系统由两部分组成，就是电力网和电力用户，它在不断提供给广大用户经济可 靠的电能的同时，又需要满足各类负荷的需求，为用户的生产生活提供必要的动力。电 力的储存容量不大，并且每位用户对电力负荷的需求也是不一样的，这就需要电力系统 的发电应随时紧跟负荷的变化做到动态平衡，就是说系统要有很多的电能容量，设备也 要更先进，才能保证它能够稳定且高效地运行下去，从而达到用户对电能质量的要求。 如果用户不满意，就会影响到供用电的质量，而且整个电力系统也有可能不安全或失去 稳定性。所以，电力负荷技术能否真正地发展起来，将会直接决定到电力系统能否正常 顺利进行。

现在负荷预测最主要的就是预测的技术，这是它的核心问题。传统的预测方法都是 用现有的数学方法来建立数学模型，虽然计算量不大，速度也比较快，但也存在很多缺 点，例如无自学习以及自适应能力，使得预测只能靠人工进行，对预测人员的水平有着 很大的考验。国家经济正在不断发展，电力系统的结构同时也变得更加复杂，规模也将 会越来越大，现在预测人员很难通过建立一个理想的数学模型来对负荷和影响负荷的因 素关系进行分析。因此，我们需要通过一个合理而又准确的负荷预测模型使当今的电力 系统更加完善。