【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第3期 109-112页,共5页

【作 者】： 林扬宇 [1] ; 易弢 [2] ; 陈彬 [2] ; 包宇庆 [3]

【摘 要】 为电力系统的合理安排．设计了一种计及气象因素和日期类型的短期负荷预测方法。首先，通过对典型日负荷数据的分析，论证了短期负荷数据具有随日周期、周周期和天气类型以及气温等相关气象数据的变化规律；然后，以过去24小时负荷数据、日期类型以及天气、温度的数据作为系统输入量建立基于反向传播神经网络（BPANN）的负荷预测模型；最后，对预测模型进行了仿真验证，仿真结果表明，相比于不考虑气象因素和日期类型的负荷预测方法，可大大提高短期负荷预测的精度。