郭華安 加瑪力汗·庫馬什 常喜強(qiáng) 姚秀萍

（1.新疆大學(xué)電氣工程學(xué)院，烏魯木齊 830047；2.新疆電力調(diào)度通信中心，烏魯木齊 830002）

一小時(shí)到一周的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全、可靠、持續(xù)、經(jīng)濟(jì)運(yùn)行的前提和基礎(chǔ)，對(duì)國(guó)民經(jīng)濟(jì)的健康穩(wěn)定發(fā)展具有重要的意義，例如早在1985年英國(guó)的一份研究報(bào)告表明：英國(guó)電力負(fù)荷預(yù)測(cè)的誤差每增加一個(gè)百分點(diǎn)，每年的經(jīng)濟(jì)損失就達(dá)一千萬英鎊[1]。特別是近些年來，隨著我國(guó)電力市場(chǎng)的建立、發(fā)展和不斷完善，短期負(fù)荷預(yù)測(cè)在現(xiàn)代電力系統(tǒng)調(diào)度和管理中占據(jù)著重要地位，發(fā)揮的作用也日益顯現(xiàn)。它不但為電力系統(tǒng)的安全、經(jīng)濟(jì)運(yùn)行提供可靠保障，而且為市場(chǎng)環(huán)境下合理安排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃提供了依據(jù)[2]。因此，短期負(fù)荷預(yù)測(cè)已經(jīng)成為現(xiàn)代電力系統(tǒng)運(yùn)行和管理中的一個(gè)重要研究課題。

短期負(fù)荷預(yù)測(cè)發(fā)揮的重大作用是以它的精確性為前提的，也就是說，預(yù)測(cè)精度越高，在實(shí)踐中發(fā)揮的作用就越大，反之，就會(huì)對(duì)電力系統(tǒng)的安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行造成影響。本文正是基于這一目的，緊緊圍繞提高短期負(fù)荷預(yù)測(cè)精度[3]這一目標(biāo)，對(duì)短期負(fù)荷預(yù)測(cè)的特點(diǎn)和影響電力系統(tǒng)短期負(fù)荷預(yù)測(cè)精度的因素進(jìn)行了深入的總結(jié)和分析，接著對(duì)近年來的負(fù)荷預(yù)測(cè)方法進(jìn)行了詳細(xì)的闡述和探討，并提出了提高負(fù)荷預(yù)測(cè)精度的幾項(xiàng)措施和展望了負(fù)荷預(yù)測(cè)未來發(fā)展方向。

1 短期負(fù)荷預(yù)測(cè)的特點(diǎn)和影響負(fù)荷預(yù)測(cè)精度的因素

1.1 短期負(fù)荷預(yù)測(cè)的特點(diǎn)

負(fù)荷預(yù)測(cè)是一種對(duì)后期負(fù)荷的一種估算，即根據(jù)已有的資料和經(jīng)驗(yàn)，運(yùn)用一定的方法和模型，分析負(fù)荷本身及其有關(guān)因素的相互關(guān)系，編制負(fù)荷預(yù)測(cè)曲線。在預(yù)測(cè)過程中，由于受經(jīng)濟(jì)，政治，氣象，時(shí)間等多種隨機(jī)性因素的影響，短期負(fù)荷具有隨機(jī)性和不確定性。總的來說，短期負(fù)荷預(yù)測(cè)具有以下明顯特點(diǎn)：

1）不確定性

電力負(fù)荷受多種復(fù)雜因素的影響，且這些影響因素有時(shí)難以準(zhǔn)確確定，這就會(huì)導(dǎo)致負(fù)荷預(yù)測(cè)結(jié)果的不準(zhǔn)確。

2）條件性

負(fù)荷未來發(fā)展的不確定性，導(dǎo)致條件無法確定，因此就需要一些假設(shè)條件，在此基礎(chǔ)上對(duì)負(fù)荷進(jìn)行預(yù)測(cè)。

3）時(shí)間性

科學(xué)的負(fù)荷預(yù)測(cè)，要求有比較確切的數(shù)量關(guān)系和概念，因此，要指明預(yù)測(cè)的起止時(shí)間和歷史樣本的起止時(shí)間。

4）多方案性[4]

不同地區(qū)的負(fù)荷情況所采用的預(yù)測(cè)方案是不一樣的，我們需要對(duì)各種情況下可能的負(fù)荷發(fā)展?fàn)顩r進(jìn)行預(yù)測(cè)，這樣短期負(fù)荷預(yù)測(cè)就具有多方案性。

5）周期性

由于人們?cè)陂L(zhǎng)期的社會(huì)活動(dòng)過程中形成了特定的生產(chǎn)和生活方式，使負(fù)荷變化具有了一定的規(guī)律性，其中最典型的是年周期性、周周期性、日周期性，其中日周期性是日短期負(fù)荷預(yù)測(cè)和超短期負(fù)荷預(yù)測(cè)的依據(jù)和基礎(chǔ)。

6）連續(xù)性

短期電力負(fù)荷是連續(xù)的，在負(fù)荷變化過程中，無論是負(fù)荷增加還是減少都要求負(fù)荷變化量在一定的范圍之內(nèi)，其外在表現(xiàn)就是負(fù)荷的連續(xù)性。

7）非線性

短期負(fù)荷的變化與其影響因素基本上不存在正比關(guān)系，這樣在短期負(fù)荷預(yù)測(cè)中應(yīng)用線性模型進(jìn)行預(yù)測(cè)效果就會(huì)比較差。

8）相似性

在實(shí)際的負(fù)荷預(yù)測(cè)過程中，負(fù)荷預(yù)測(cè)結(jié)果在相對(duì)應(yīng)的階段呈現(xiàn)相近的情況，事實(shí)上，我們?cè)谪?fù)荷預(yù)測(cè)過程中使用類推法和歷史類比法，就是基于這個(gè)特點(diǎn)。

1.2 影響負(fù)荷預(yù)測(cè)精度的因素

精度是負(fù)荷預(yù)測(cè)最重要的指標(biāo)。在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中，影響短期負(fù)荷預(yù)測(cè)精度的因素是多方面的，但主要是以下幾方面：

1）歷史數(shù)據(jù)

歷史負(fù)荷數(shù)據(jù)在很大程度上決定了未來預(yù)測(cè)負(fù)荷的水平，然而負(fù)荷預(yù)測(cè)所需的大量歷史資料并不能保證其絕對(duì)準(zhǔn)確可靠，在一定程度上必然會(huì)帶來一些預(yù)測(cè)誤差。

2）經(jīng)濟(jì)因素

經(jīng)濟(jì)環(huán)境的好壞和經(jīng)濟(jì)發(fā)展?fàn)顩r對(duì)負(fù)荷預(yù)測(cè)是有重要影響的。一般來說，經(jīng)濟(jì)發(fā)展比較好的情況下，負(fù)荷水平就提升的比較快；反之，負(fù)荷水平就會(huì)下降。

3）政治因素

例如軍事沖突等，此類事件出現(xiàn)的概率很小，但是一旦出現(xiàn)就會(huì)對(duì)負(fù)荷造成重大影響。

4）氣象因素

影響負(fù)荷的天氣因素很多，在進(jìn)行負(fù)荷預(yù)測(cè)時(shí)，往往預(yù)測(cè)模型只考慮研究對(duì)象的主要因素，而忽略了許多次要的因素，另外，再加上氣象預(yù)報(bào)本身的不準(zhǔn)確，會(huì)造成雙重誤差。

5）時(shí)間因素

時(shí)間的周期性和季節(jié)性變化、節(jié)假日等時(shí)間因素使負(fù)荷曲線在不同的時(shí)間范圍內(nèi)呈現(xiàn)出不同的特征。

6）樣本因素

影響短期電力負(fù)荷預(yù)測(cè)的樣本因素包括樣本數(shù)量、樣本質(zhì)量和樣本范圍。在進(jìn)行短期電力負(fù)荷預(yù)測(cè)時(shí)，不能僅僅考慮時(shí)間、歷史數(shù)據(jù)因素，應(yīng)該綜合考慮影響負(fù)荷的各種因素，同時(shí)對(duì)各個(gè)因素進(jìn)行定量和定性的分析，進(jìn)而選擇最佳樣本，使預(yù)測(cè)更加準(zhǔn)確。

7）預(yù)測(cè)模型

不同負(fù)荷預(yù)測(cè)模型所得出來的預(yù)測(cè)結(jié)果有時(shí)是有較大差別的，我們應(yīng)根據(jù)地區(qū)實(shí)際和特點(diǎn)，選擇精確的負(fù)荷預(yù)測(cè)模型。

8）其他因素

在確保電力市場(chǎng)經(jīng)濟(jì)性的的情況下，執(zhí)行峰谷分時(shí)電價(jià)，在一定程度上對(duì)負(fù)荷曲線產(chǎn)生了影響；難以確定反映負(fù)荷周期性、趨勢(shì)性以及與影響因素之間關(guān)系的樣本數(shù)；有些突發(fā)事件，如拉閘限電、沖擊負(fù)荷、停電檢修和重大活動(dòng)等都可能會(huì)對(duì)系統(tǒng)負(fù)荷產(chǎn)生很大的影響；大電網(wǎng)（網(wǎng)、省級(jí)）負(fù)荷變化一般都有較強(qiáng)的統(tǒng)計(jì)規(guī)律性，預(yù)測(cè)結(jié)果比較準(zhǔn)確，而地區(qū)級(jí)電網(wǎng)的統(tǒng)計(jì)規(guī)律則不是很明顯，不能有效地指導(dǎo)負(fù)荷預(yù)測(cè)等，上述情況都會(huì)對(duì)進(jìn)行精確的負(fù)荷預(yù)測(cè)產(chǎn)生不同程度的干擾。

2 電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法

目前應(yīng)用于短期負(fù)荷預(yù)測(cè)的方法很多，限于篇幅，本文主要對(duì)一些智能負(fù)荷預(yù)測(cè)方法和新方法進(jìn)行說明。實(shí)際上，每一種預(yù)測(cè)方法都代表了一種發(fā)展規(guī)律，只是各種預(yù)測(cè)方法考慮的側(cè)重點(diǎn)各不相同，而不同地區(qū)負(fù)荷的發(fā)展規(guī)律是不相同的。因此，我們只有針對(duì)不同的地區(qū)，選擇不同的預(yù)測(cè)模型和模型組合，才能最大限度的提高負(fù)荷預(yù)測(cè)的精度。

2.1 專家系統(tǒng)法[5]

專家系統(tǒng)是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，通過對(duì)專家問題求解能力的建模，采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來模擬通常由專家才能解決的復(fù)雜問題，建立知識(shí)庫，并在系統(tǒng)的實(shí)際運(yùn)行過程中對(duì)知識(shí)庫不斷進(jìn)行更新和維護(hù)，來跟隨事物的變化軌跡，達(dá)到具有與專家同等解決問題能力的水平。專家系統(tǒng)的優(yōu)點(diǎn)是具有豐富的經(jīng)驗(yàn)且不斷更新，較好的透明性和交互性，可靠性好，工作效率高等。專家系統(tǒng)的不足之處是針對(duì)性強(qiáng)，不具有普遍性；需要高質(zhì)量的數(shù)據(jù)庫，建模時(shí)存在困難[6]。

2.2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘[7]是指從大量數(shù)據(jù)中挖掘出隱含的未知的、對(duì)決策有價(jià)值的模式和規(guī)律的過程。它的基本步驟如圖1所示。

圖1 數(shù)據(jù)挖掘技術(shù)基本步驟

數(shù)據(jù)挖掘技術(shù)可以在錯(cuò)綜復(fù)雜的歷史數(shù)據(jù)中，剔除錯(cuò)誤和作用比較小的數(shù)據(jù)，而且盡可能的考慮決定短期負(fù)荷的影響因素，最終得出短期負(fù)荷的真正變化規(guī)律，從而最大限度的提高預(yù)測(cè)精度。尤其在環(huán)境因素和社會(huì)信息等變化較大的條件下，將數(shù)據(jù)挖掘用短期負(fù)荷預(yù)測(cè)是非常有利的。

2.3 人工神經(jīng)網(wǎng)絡(luò)法[8-10]

人工神經(jīng)網(wǎng)絡(luò)是模仿人腦的神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和處理問題的非線性系統(tǒng)。由于短期負(fù)荷受到天氣情況和人類社會(huì)活動(dòng)等多種因素的影響，存在大量的隨機(jī)性和非線性關(guān)系，所以神經(jīng)網(wǎng)絡(luò)在處理短期負(fù)荷預(yù)測(cè)問題時(shí)有較好的效果。人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是具有很強(qiáng)的魯棒性，能夠?qū)Υ罅糠墙Y(jié)構(gòu)性、非精確性規(guī)律具有較強(qiáng)自適應(yīng)能力，具有很強(qiáng)的信息綜合能力和容錯(cuò)能力等。它的不足是神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)選擇缺乏有效的理論依據(jù)，難以科學(xué)地確定網(wǎng)絡(luò)結(jié)構(gòu)，收斂速度慢且容易陷入局部極小，訓(xùn)練時(shí)間較長(zhǎng)等。

2.4 支持向量機(jī)

支持向量機(jī)（SVM）是一種基于統(tǒng)計(jì)學(xué)習(xí)理論[11]提出的能實(shí)現(xiàn)在有限樣本條件下滿足VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理的機(jī)器學(xué)習(xí)方法， SVM 的訓(xùn)練問題實(shí)質(zhì)上是經(jīng)典的二次規(guī)劃問題，它的一個(gè)重要特征是只有惟一的全局最優(yōu)解，還有一個(gè)很重要的方面是它可以利用最優(yōu)化理論中許多成熟的算法，為自己所用。它的優(yōu)點(diǎn)是泛化能力比較強(qiáng)、全局最優(yōu)和收斂速度相對(duì)比較快，它的不足之處是存貯需求量大，編程和實(shí)際應(yīng)用較難，而且不能確定數(shù)據(jù)中的知識(shí)是否冗余，以及作用大??；在自選參數(shù)和核函數(shù)的選擇時(shí)，主要依靠經(jīng)驗(yàn)確定，人為因素比較明顯，對(duì)于隨機(jī)波動(dòng)性較強(qiáng)的中小型電網(wǎng)，其預(yù)測(cè)效果相對(duì)較差。

2.5 綜合模型預(yù)測(cè)法[12-13]

由于歷史負(fù)荷數(shù)據(jù)的復(fù)雜性和隨機(jī)性，單一的負(fù)荷預(yù)測(cè)模型一般難以達(dá)到理想的精度要求，我們就需要對(duì)影響負(fù)荷預(yù)測(cè)精度的因素進(jìn)行認(rèn)真的分析，仔細(xì)研究負(fù)荷預(yù)測(cè)誤差產(chǎn)生的原因，充分利用各種算法的優(yōu)點(diǎn)，構(gòu)建其綜合負(fù)荷模型，提高負(fù)荷預(yù)測(cè)精度。此方法的優(yōu)點(diǎn)是解決了單一算法的不足，充分利用每一種算法的優(yōu)點(diǎn)，但這樣會(huì)增加建模的難度，影響整體的計(jì)算速度，比如文獻(xiàn)[14]將模糊和專家系統(tǒng)相結(jié)合，文獻(xiàn)[15]將神經(jīng)網(wǎng)絡(luò)與小波理論相結(jié)合，文獻(xiàn)[16]將神經(jīng)網(wǎng)絡(luò)和模糊算法相結(jié)合,文獻(xiàn)[17]將序列法和神經(jīng)網(wǎng)絡(luò)相結(jié)合，文獻(xiàn)[18]將混沌理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合，文獻(xiàn)[19]將遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合,文獻(xiàn)[20]將粒子群和神經(jīng)網(wǎng)絡(luò)相結(jié)合等等，這些算法在預(yù)測(cè)的精度上有一定的提高，但同時(shí)也增加了負(fù)荷模型的復(fù)雜性。

3 提高電力系統(tǒng)短期負(fù)荷預(yù)測(cè)精度的措施

3.1 電力系統(tǒng)短期負(fù)荷預(yù)測(cè)基本流程

負(fù)荷預(yù)測(cè)所有工作的中心是圍繞如何提高負(fù)荷預(yù)測(cè)準(zhǔn)確率展開的，圖2是短期負(fù)荷預(yù)測(cè)的基本流程圖。

3.2 提高短期負(fù)荷預(yù)測(cè)精度的幾條措施

根據(jù)短期負(fù)荷預(yù)測(cè)的特點(diǎn)以及影響負(fù)荷預(yù)測(cè)精度的因素，結(jié)合短期負(fù)荷預(yù)測(cè)的基本流程圖，我們應(yīng)在以下幾個(gè)方面來提高短期負(fù)荷預(yù)測(cè)的精度。

1）歷史數(shù)據(jù)的正確與否在一定程度上決定了預(yù)測(cè)結(jié)果的精確度，有效的利用高質(zhì)量的樣本數(shù)據(jù)既是非?；A(chǔ)也是非常重要的工作。

2）加強(qiáng)對(duì)運(yùn)行人員的培訓(xùn)力度，增強(qiáng)運(yùn)行人員的理論修養(yǎng)和經(jīng)驗(yàn)知識(shí)的積累。

3）加強(qiáng)與氣象預(yù)報(bào)部門的溝通，提高天氣預(yù)測(cè)的準(zhǔn)確率，它是提高負(fù)荷預(yù)測(cè)準(zhǔn)確率的前提和基礎(chǔ)。

4）預(yù)測(cè)部門工作人員要加強(qiáng)與非統(tǒng)調(diào)之外電廠（站）的溝通與協(xié)調(diào)，掌握準(zhǔn)確的負(fù)荷信息，對(duì)提高負(fù)荷預(yù)測(cè)精度將產(chǎn)生重要意義。

5）建立電力負(fù)荷的大用戶中心，實(shí)時(shí)掌握大客戶的負(fù)荷調(diào)整信息，這樣就能緩解在特殊情況下對(duì)負(fù)荷預(yù)測(cè)造成的不利影響，提高預(yù)測(cè)精度。

6）針對(duì)預(yù)測(cè)地區(qū)的負(fù)荷特性分析和負(fù)荷特點(diǎn)，選擇精確的預(yù)測(cè)模型。

7）加大對(duì)負(fù)荷預(yù)測(cè)研究工作的資金投入力度，不斷嘗試用新理論和新技術(shù)對(duì)負(fù)荷進(jìn)行預(yù)測(cè)，建立完整的負(fù)荷預(yù)測(cè)體系。

8）加強(qiáng)各地區(qū)電網(wǎng)的管理和協(xié)調(diào)，實(shí)現(xiàn)信息共享，建立特殊情況下的應(yīng)急體系，及時(shí)調(diào)整負(fù)荷預(yù)測(cè)的工作進(jìn)度和工作方法等。

4 結(jié)論

短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)調(diào)度運(yùn)營(yíng)部門一項(xiàng)重要的基礎(chǔ)工作，預(yù)測(cè)精度的高低直接影響到電網(wǎng)運(yùn)行的安全性、經(jīng)濟(jì)性以及電能質(zhì)量。隨著電力市場(chǎng)條件下對(duì)供電安全性，可靠性和經(jīng)濟(jì)性的更高要求，提高短期負(fù)荷預(yù)測(cè)的質(zhì)量勢(shì)在必行。

本文分析了短期負(fù)荷預(yù)測(cè)的特點(diǎn)，總結(jié)了影響負(fù)荷預(yù)測(cè)精度的因素，對(duì)負(fù)荷預(yù)測(cè)的一些方法進(jìn)行了闡述和探討，提出了提高負(fù)荷預(yù)測(cè)精度的措施，希望能給負(fù)荷預(yù)測(cè)工作者帶來一些新的工作思路。作者認(rèn)為未來的負(fù)荷預(yù)測(cè)工作，在加強(qiáng)對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行處理的同時(shí)，要運(yùn)用科學(xué)的技術(shù)手段不斷完善負(fù)荷預(yù)測(cè)模型，并積極探索負(fù)荷預(yù)測(cè)的新思路和新方法，在實(shí)際中，有針對(duì)性的對(duì)特定地區(qū)和特定情況選用特定的負(fù)荷預(yù)測(cè)模型，建立全面的和不斷更新的負(fù)荷預(yù)測(cè)數(shù)據(jù)庫，不斷提高負(fù)荷預(yù)測(cè)精度和負(fù)荷預(yù)測(cè)工作水平。

[1]Damitha.K.Ranaweera, George. G.Karady, Richard.G.Farmer.Economic impact analysis of load Forecast-ing[J].IEEE Transon Power Sysems, 1997,12(3):1388-1392.

[2]康重慶,夏清,劉梅.電力系統(tǒng)負(fù)荷預(yù)測(cè)[M].北京:中國(guó)電力出版社,2007.

[3]周平,楊嵐,周家啟.電力系統(tǒng)負(fù)荷灰色預(yù)測(cè)的新方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),1998,10(3):45-50.

[4]牛東曉,曹樹華,趙磊,等. 電力負(fù)荷預(yù)測(cè)技術(shù)及其應(yīng)用[M]. 北京:中國(guó)電力出版社,1998.

[5]張濤,趙登福,周琳等.基于RBF神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的短期負(fù)荷預(yù)測(cè)方法[J].西安交通大學(xué)學(xué)報(bào),2001,35(4):331-334.

[6]Rahman S,Bhatangar R. An expert system based algorithm for short-term load forecast[J]. IEEE Trans on Power Systems,1998,3(2):392-399.

[7]安淑芝.數(shù)據(jù)倉(cāng)庫和數(shù)據(jù)挖掘.北京:清華大學(xué)出版社, 2005.

[8]高山,單淵達(dá).基于徑向基函數(shù)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J].電力系統(tǒng)自動(dòng)化,1999,23(5):31-34.

[9]彭建春,江榮漢.電力系統(tǒng)短期負(fù)荷預(yù)報(bào)的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)方法[J].湖南大學(xué)學(xué)報(bào),1997,21(1):83-86.

[10]李世昌.用前向神經(jīng)元網(wǎng)絡(luò)進(jìn)行短期負(fù)荷預(yù)測(cè)的方法[J].福建電力與電工,1996.

[11]瓦普尼克著,張學(xué)工譯.統(tǒng)計(jì)學(xué)習(xí)理論[M].北京:電子工業(yè)出版社,2004.

[12]謝敬東,唐國(guó)慶.組合預(yù)測(cè)方法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J].中國(guó)電力,1998,31(6):3-5.

[13]史永,王鵬,張粒子.一種實(shí)用的短期負(fù)荷組合預(yù)測(cè)方法[J].現(xiàn)代電力,2000,17(1):35-40.

[14]招海丹,余得偉.模糊專家系統(tǒng)用于短期負(fù)荷預(yù)測(cè)修正的初步探討[J].華東電力,2000(5):24-27.

[15]邰能靈,侯志儉,李濤等.基于小波分析的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2003,23(1):45-50.

[16]甘文泉,王朝暉,胡保生.結(jié)合神經(jīng)元網(wǎng)絡(luò)和模糊專家系統(tǒng)進(jìn)行電力短期負(fù)荷預(yù)測(cè)[J].西安交通大學(xué)學(xué)報(bào),1998, 32(3):28-32.

[17]盧建昌,王柳. 基于時(shí)序分析的神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)模型研究[J]. 中國(guó)電力,2005,38(7):11-14.

[18]李廣,鄒德忠,談順濤. 基于混沌神經(jīng)網(wǎng)絡(luò)理論的小電網(wǎng)短期電力負(fù)荷預(yù)測(cè)[J].電力自動(dòng)化設(shè)備,2006,26(2): 50-52.

[19]梁海峰,涂光瑜,唐紅衛(wèi). 遺傳神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù),2001,25(1):49-53.

[20]蔡金錠,付中云. 粒子群神經(jīng)網(wǎng)絡(luò)混合算法在負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 高電壓技術(shù),2007,33(5):90-93.