基于ARMA-BP神经网络组合模型的电网大停电事故损失负荷预测

预测大停电事故造成的损失负荷,对电网的调度和安全运行有十分重要的参考意义.首先用绝对值法和相对值法分别对停电事故的损失负荷数据进行处理,利用ARMA模型对两种停电事故损失负荷数据序列进行预测,对比两种数据序列的预测结果,发现采用相对值法的预测精度更高,此外采用相对值法对数据进行处理还能消除电网发展对数据分析产生的影响,使预测结果更符合电网实际.为进一步提高预测的精度,提出了将ARMA模型和BP神经网络模型相结合的组合模型,并将其用于停电事故的损失负荷预测,通过与其他方法的预测结果及实际事故数据的比较分析,验证了该组合模型的有效性.最后采用相对值法的组合模型对2017年的损失负荷进行了预测,预测结果可为停电事故的规模等级划分及事故风险预警提供依据.