基于智能算法的电力负荷预测研究(3)
（2）二十世纪吹冰七十年代，人们逐渐钻研出了趋势外推法、卡尔曼滤波法等一系列的理论方法应用于负荷预测，至此负荷预测理论有了长足的进步和发展。电力工作者有了理论指导，不再需要完全凭借个人经验工作，此时我们称之为传统预测时期。（3）1990 年初，随着智能技术的出现，人们逐渐尝试将智能技术与负荷预测相结合， 以此带来了神经网络、 模糊算法等一系列智能预测方法的出现。 从此，负荷预测工作有了历史性的突破与发展。常见的负荷预测方法有[2]：（1）趋势外推法趋势外推法， 顾名思义即为运用历史负荷数据按照其发展的趋势规律来进行推测，故历史数据的准确性是该方法的重点之一。然而该方法既无法考虑实际突发情况的发生，也无法忽视天气气候带来的影响，其预测往往要选取相似条件下进行，其预测结果也时好时坏。因此，趋势外推法的使用受到了大大的限制，无法理想地应用于负荷预测中。（2）回归分析法回归分析法，利用数学统计原理将历史负荷数据剖析整理，构建成为合适的数学模型，运用该模型对未来某时负荷做出预测。因此，回归分析法具有很强的数学逻辑性，它运用数学原理寻求数据规律，最终用出现频率的大小得出负荷结果。回归分析法在理论上分为线性与非线性两种回归。线性回归是寻找负荷值中隐含的发展规律，运用这种规律运算得出平均值达到预测目的。这也就导致了该方法无法运用于变化巨大或者形式不明显的负荷预测中。 这些复杂的因素导致回归分析法无法大规模的适用。（3）灰色数学理论灰色数学理论的原理是把实际结果当成系统真实描述，反推来考虑原本模型。它具有需要数据少、无分布规律要求、无发展趋势要求及易于检验等优势，一度较大范围的使用。但它同样存在自己的缺点：一旦数据离散过大，即其灰度过大，其预测结果往往不甚理想。（4）专家系统方法专家系统， 一种常见的智能系统， 它通过模仿人体大脑逻辑能力来进行预测。因此， 它需要极其严谨的专家知识获取机制以及一个巨大、 完善的高性能数据库。数据库中包含有基本数据信息、 中间值、 中间参数以及结果输出和误差值。 所以，数据库的建立极其重要。但我们知道，建立偌大数据库的过程极其困难。
上一篇：基于BPA的电力系统稳定性分析
下一篇：异步电动机节能方法分析与研究