|
準確的短期電力負載預測在電力系統的經濟調度和控制上扮演著非常重要的角色，因
為系統發展電成本和系統控制受到預測誤差之影響非常的深鉅。因此準確的負載預測
功能是能源管理系統(EMS)中重要的一環。
本論文以兩組氣候型態迥然不同且負載狀況不同的電力負載資料為基礎，分別建立三
個不同的短期負載預測模式；一為相似溫度型態辨認模式(Similar Day Load Foreca
sting Method)，另一為單一輸入變數自我回歸移動平均模式(AutoRegressive Movin
ng Average model with eXogenous input,ARMAX)，最後一個為人造神經綱路模式，
(Artificial Network,ANN).(Load Shape)(Hourly Load)。我們對此三模式發展的難
易程度，使用時的難易和它們的準確性做深入的探討。本論文著重於研究不同模式在
處理假日負載預測和尖載預測之能力，並分析錯誤氣象和負載資料各個模式準確度之
影響。
同時，本論文提出了預測24小時負載以及每小時負載修正的人造神經綱路。它可提供
一組隔日的負載曲線(Load Shape)以做為機組調度之用。操作員可再根據準確的小時
負載(Hourly Load) 預測值進行修正。最後本論文以人為方式製造了六種錯誤型態的
資料，分別試驗各個模式的反應，以便探討不同模式對存在錯誤資料的忍受程度。本
論文研究了許多不同綱連接型式，而研究結果顯示人造神經綱路模式提供其中一家電
力公司準確的各項負載預測，而APMAX 模式比較適用於第二家電力公司。由本論文中
所建立的模式顯示，人造神經綱路模式深受錯誤負載資料的影響；且對於假日負載，
如同統計模式所遭遇的困難一樣，無法提供準確預測。
|