基于Markov-BP神经网络的短期电力负载预测研究  

作　　者：袁靖 蒋志飞 陈鸿飞 吴叙锐 YUAN Jing;JIANG Zhifei;CHEN Hongfei;WU Xurui

机构地区：[1]商丘工学院信息与电子工程学院,河南商丘476000 [2]华能新能源股份有限公司广东分公司,广东广州510610

出　　处：《信息技术与信息化》2025年第2期50-54,共5页Information Technology and Informatization

基　　金：商丘工学院2024年教育教学改革研究与实践项目“专创融合视域下电类专业课程教学改革与实践”(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)。

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 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TM715[自动化与计算机技术—控制科学与工程]