基于Markov-BP神经网络的短期电力负载预测研究
袁靖1
蒋志飞1
陈鸿飞2
吴叙锐2
1.商丘工学院信息与电子工程学院 河南商丘 4760002.华能新能源股份有限公司广东分公司 广东 广州 510610
摘要：在电力系统中,电力负载受到多种复杂因素的综合影响,这些因素之间存在复杂的非线性相互作用,传统的线性模型难以准确地描述这种关系,当电力负载数据短期内出现一些突发变化或者波动时,无法提取出能够反映电力负载本质特征的信息,导致预测准确性和稳定性欠佳.为此,提出一种基于Markov-BP神经网络的短期电力负载预测方法.通过对电力负载数据进行预处理,包括数据清洗、缺失值的填补以及执行归一化操作,以确保数据的质量和一致性.将预处理后的电力负载数据作为输入,运用时间序列分析和信号处理技术构建电力负载时间序列模型,对数据进行时序分析与特征筛选.基于Markov-BP神经网络,利用由时间序列模型按时间组织的电力负载数据,通过网络隐藏层对数据进行处理,提取出能够反映电力负载本质特征的信息.在相空间内建立电力负载的预测模型,该模型通过学习电力负载本质特征,经训练和优化过程确定合适的嵌入状态向量和参数值.最后,通过异步迭代进行电力负载的短期预测.实验结果表明,此方法在预测准确性和稳定性方面表现优异,为电力系统的优化调度和能源管理提供了有力支持.
关键词：Markov-BP神经网络电力负载预测数据预处理时间序列分析模型优化
资助基金：商丘工学院教育教学改革研究与实践项目(2024JGXM05)河南省教育厅豫东黄泛区乡村振兴耦合协调度时空演化趋势及障碍度研究(25B790017)
论文发表日期：2025-02-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 50-54 )