|本期目录/Table of Contents|

[1]李 萍.基于BP和多项式拟合模型在电力系统短期负荷的研究[J].工业仪表与自动化装置,2018,(05):136-138.[doi:1000-0682（2018）05-0000-00]
　LI Ping.Based on the BP and polynomial fitting model in the study of the electric power system short-term load[J].Industrial Instrumentation & Automation,2018,(05):136-138.[doi:1000-0682（2018）05-0000-00]
点击复制

基于BP和多项式拟合模型在电力系统短期负荷的研究

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2018年05期
页码:
136-138
栏目:
出版日期:
2018-10-15

文章信息/Info

Title:
Based on the BP and polynomial fitting model in the study of the electric power system short-term load
作者:
李 萍
兰州石化职业技术学院，兰州 730060
Author(s):
LI Ping
Lanzhou Petrochemical College of Vocational Technology, Lanzhou 730060, China
关键词:
BP; 多项式拟合; 电力系统短期负荷; MATLAB; 相对误差
Keywords:
BP;  polynomial fitting;  short-term load of power system;  MATLAB; ?relative error
分类号:
TP20
DOI:
1000-0682（2018）05-0000-00
文献标志码:
A
摘要:
针对电力系统短期负荷数据进行预测分析，以兰州地区某天电力系统负荷值为样本，分别运用BP神经网络和多项式拟合，给出了预测数据的残差和相对误差。对预测数据进一步分析后，剔除相对误差较大的4组数据再次进行拟合，可使相对误差平均值远低于电力系统短期负荷预测相对误差(5%)，提高了模型精度。该文提供的方法在电力系统短期负荷、股价分析、经济效益等领域的同类数据分析中有参考价值。
Abstract:
Aimed at short-term load data of power system. The residual and relative error of the predicted data is given by using BP neural network and polynomial fitting respectively.After further analysis of forecast data,eliminating larger relative error of 4 sets of data for fitting again,the average relative error is far lower than the electric power system short-term load forecasting relative error 5%, improved the precision of the model. The method provided in this paper is of reference value in the analysis of similar data in the fields of short-term load,stock price and economic benefit of power system.

参考文献/References:

[1] 国家电力公司.关于开展电力市场整顿和优质服务年活动的决定.

[2] 马嘉谦,许业清.用电技术[M].合肥:中国科学技术大学出版社,1999.
[3] 钟庆,吴捷,钟丹虹.基于系统论的负荷预测集成化方法[J].电力自动化设备,2002,22(10):1-5.
[4] 谢开贵,李春燕,俞集辉.基于遗传算法的短期负荷组合预测模型[J].电网技术,2001,25(8):20-23.
[5] 何淼,叶鹏,何宁宁,等.电力系统饱和负荷预测研究综述[J].沈阳工程学院学报(自然科学版),2017,13(04):340-346.
[6] 杨国颖,王庆岭.基于多项式拟合和GM(1,1)模型在煤矿伤亡事故中的数据预测模型[J].电气自动化,2016,38(01): 12-14+22.
[7] 王强,崔希民,张恒璟,杜俊秀.多项式拟合模型在GPS水准测量中的应用[J].测绘工程,2014,23(08):19-22.
[8] 王惠中,周佳,刘轲.电力系统短期负荷预测方法研究综述[J].电气自动化,2015,37(01):1-3+39.
[9] 陈刚,周杰,张雪君,张忠静.基于BP与RBF级联神经网络的日负荷预测[J].电网技术,2009,33(12):101-105.
[10] 肖欣,周渝慧,张宁,韩新阳,薛万磊,尹立,唐鑫.城市电力饱和负荷分析技术及其应用研究综述[J].电力自动化设备, 2014,34(06):146-152.
[11] 丁胡进,张二刚.多项式曲线拟合与AR模型在沉降预测中的应用[J].北京测绘,2012(06):83-85.
[12] 周潮,邢文洋,李宇龙.电力系统负荷预测方法综述[J].电源学报,2012(06):32-39.
[13] 王奔,冷北雪,张喜海,单翀皞,从振.支持向量机在短期负荷预测中的应用概况[J].电力系统及其自动化学报, 2011,23(04):115-121.
[14] 谭忠富,张金良,吴良器,丁亚伟,宋艺航.中长期负荷预测的计量经济学与系统动力学组合模型[J].电网技术,2011, 35(01):186-190.
[15] 廖旎焕,胡智宏,马莹莹,等.电力系统短期负荷预测方法综述[J].电力系统保护与控制,2011,39(01):147-152.

相似文献/References:

[1]张贵强.基于Elman和多项式模型电力负荷短期预测[J].工业仪表与自动化装置,2018,(06):53.[doi:1000-0682（2018）06-0000-00]
　ZHANG Guiqiang.Research on load data of power system based on Elman and polynomial fitting model[J].Industrial Instrumentation & Automation,2018,(05):53.[doi:1000-0682（2018）06-0000-00]
[2]孙松源,毛翌春,朱 炬.光伏阵列发电量损失评估测量方法[J].工业仪表与自动化装置,2020,(02):109.
　SUN Songyuan,MAO Yichun,ZHU Ju.An algorithm of evaluating the energy loss of PV string[J].Industrial Instrumentation & Automation,2020,(05):109.

备注/Memo

备注/Memo:
收稿日期：2018-01-09
基金项目：甘肃省高校大学生创新创业专项(2050305-高等职业教育1435)
作者简介：李萍（1966），女，陕西延长人，副教授，主要从事计算机应用、数值分析和创新创业研究。
更新日期/Last Update: 2018-10-15