论文摘要
短期负荷预测既是电力系统优化调度的基础工具,又是电力企业日常经营管理工作的重要组成部分,准确的负荷预测是电网调度机构制定发供电计划和做好电网供需平衡的关键,负荷预测直接影响到电力系统运行的安全性、经济性和供电质量。本文首先详细介绍了短期负荷预测的特点及面临的问题和挑战,系统分析了影响短期负荷预测的主要因素。详细介绍了当前常用的几种负荷预测方法和基本的计算流程,总结归纳了已有方法的优缺点、适用范围和适用条件。最后分析了短期负荷预测中的数据预处理方法,为后文所提的短期负荷预测方法作铺垫。提出基于量子神经网络的短期负荷预测方法。首先详细分析了量子神经网络的设计步骤,包括多层激活函数的选取和更新算法的确定。基于量子神经网络理论,提出了日负荷预测和小时负荷预测的具体流程。具体分析了短期负荷预测中训练样本的选取和训练流程。最后以实际电网数据为例进行了仿真分析,实例表明：基于量子神经网络的预测方法比RBF法具有更好的预测精度,并且基于量子神经网络的预测方法在温度数据缺失的情况下比RBF法具有更好的预测效果。提出基于遗传量子神经网络的短期负荷预测方法。系统分析了量子神经网络训练中,遗传算法的编码、遗传、交叉、变异等算法的原则和具体实施步骤,分析遗传算法解码和适应度值的计算方法,采用非线性排序法选择算子和杂交方式产生的子代的交叉算子来抑制局部最优解的产生。最后将基于遗传算法的量子神经网络模型运用到短期负荷预测中进行分析。算例分析表明：基于遗传算法的量子神经网络的训练速度快,全局寻优能力强,能很好地运用到短期负荷预测中。