（译文 页数：15 字数：13840）电力系统短期母线负荷的一个新型混合预测方法

摘要：本文针对电力系统短期母线负荷预测提出了一种新型的混合预测方法。该方法是由辅助预测状态估计（ FASE ）和多层感知器（MLP）神经网络组成。 FASE用母线以往的数据来时时预测每条母线的负荷。然后，FASE的输入和输出被反馈到多层感知器神经网络。换句话说，多层感知器是对准提取FASE的输入输出（作为输入）和作为输出的实际（有效）负荷之间的映射函数。这种被提议的混合预测方法已经在一个真正的电力系统，即伊朗电力网络的一部分测试过。所得结果，全面讨论，表明该混合方法比其他方法，如多层感知器，FASE ，定期自回归（PAR）模型,具有更好的预测精度。

关键词：母线负荷预测，辅助预测状态估计（FASE），神经网络

目录

第一章 导言
第二章 问题描述
第三章 混合预测方法
第四章 数据结果
第五章 结论


第一章 导言
短期负荷预测（STLF）是电力系统可靠和经济运行的一个关键问题。短期负荷预测通常由一小时到一周前的负荷需求预测组成。以前，由于短期负荷预测在基本业务功能的关键作用，如机组组合，经济调度，交换评价，定期维修和安全评估，使得大多数在短期负荷预测领域中的成果都集中在对系统总负荷的预测上。然而，今天，母线负荷预测的重要性也越来越明显，尤其是随着先进运行程序的引进，例如，安全约束机组（ SCUC ） ，并且在许多国家倾向于放松管制的进程。SCUC包含了在机组组合问题上的网络限制来获得经济上切实可行的生产调配，更确切的说是真正可行。SCUC的执行，例如，电力市场的独立系统运营商（ ISO ），要求母线负荷预测进行能流和可能的安全约束违反的测定，如传输流量和母线电压的限制。