【正文】 預測人員的知識，提取有關規(guī)則。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長時期起作用的規(guī)律，于是進行了用少量數(shù)據(jù)做微分方程建模的研究?；疑到y(tǒng)理論是中國學者鄧聚龍教授1982年3月在國際上首先提出來的，在國際期刊《SYSTEMS AND CONTROL LETTER》刊物上發(fā)表，題為“Control Problems of Grey Systems”,引起了國際上的充分重視。這其中主要有灰色數(shù)學理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡理論、模糊預測理論等?；貧w預測包括線性回歸和非線性回歸。它利用了電力負荷變動的慣性特征和時間上的延續(xù)性，通過對歷史數(shù)據(jù)時間序列的分析處理，確定其基本特征和變化規(guī)律，預測未來負荷。本文對某地區(qū)進行電力負荷的中、短期預測，它為這一地區(qū)電力規(guī)劃奠定了一定的基礎，同時也為這一地區(qū)電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。電力用戶是電力工業(yè)的服務對象，電力負荷的不斷增長是電力工業(yè)發(fā)展的根據(jù)。電力負荷預測中的負荷概念是指國民經(jīng)濟整體或部門或地區(qū)對電力和電量消費的歷史情況及未來的變化發(fā)展趨勢。利用相應的BP神經(jīng)網(wǎng)絡方法對未來24小時負荷進行短期預測[2]，該方法充分發(fā)揮了神經(jīng)網(wǎng)絡處理非線性問題的能力和人工神經(jīng)網(wǎng)絡自學習、自適應的優(yōu)點。經(jīng)典的數(shù)學統(tǒng)計方法包括線性外推法、多元線性回歸法、時間序列法和狀態(tài)空間法等。電力系統(tǒng)負荷預測為這一地區(qū)電力規(guī)劃奠定了一定的基礎，同時也為這一地區(qū)電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。電力系統(tǒng)的作用就是對各類用戶提供盡可能經(jīng)濟可靠而合乎標準要求的電能，以隨時滿足各類用戶的要求，用電力系統(tǒng)的術語來說，就是滿足負荷要求。所以正確的電力負荷預測既可以為國民經(jīng)濟的發(fā)展提供充足的電力，也可以為電力系統(tǒng)自身的發(fā)展提供幫助，特別是對于電力系統(tǒng)規(guī)劃而言，準確的負荷預測是整個規(guī)劃工作的基礎和前提。因此，電力負荷預測是一項十分重要的工作，它對于保證電力工業(yè)的健康發(fā)展，乃至對于整個國民經(jīng)濟的發(fā)展均有著十分重要的意義。人工智能方法包括人工神經(jīng)網(wǎng)絡法、專家系統(tǒng)方法和模糊推理方法、小波分析等。實際算例表明，這種方法應用在短期負荷預測方面有較高的精度。電力負荷預測就是在正確的理論指導下，在調(diào)查研究掌握大量翔實資料的基礎上，運用可靠的方法和手段對電力負荷的發(fā)展趨勢作出科學合理的推斷。正確地預測電力負荷，既是為了保證無條件供應國民經(jīng)濟各部門及人民生活以充足的電力的需要，也是電力工業(yè)自身健康發(fā)展的需要。因此，電力負荷預測是一項十分重要的工作，它對于保證電力工業(yè)的健康發(fā)展，乃至對于整個國民經(jīng)濟的發(fā)展均有著十分重要的意義。時間列模型的缺點在于不能充分利用對負荷性能有很大影響的氣候信息和其他因素，導致了預報的不準確和數(shù)據(jù)的不穩(wěn)定。雖然經(jīng)典的數(shù)學統(tǒng)計方法具有速度快的優(yōu)點，但是其預測模型比較簡單，很難準確描述負荷預測的實際模型，所以其精度較差。（1） 灰色數(shù)學理論灰色數(shù)學理論是把負荷序列看作一真實的系統(tǒng)輸出，它是眾多影響因子的綜合作用結果?；疑到y(tǒng)理論的形成是有過程的。這一工作開始并不順利，一時建立不起可供應的模型。借助專家系統(tǒng)，負荷預測人員能識別預測日所屬的類型，考慮天氣因素對負荷預測的影響，按照一定的推理進行負荷預測。因此，預測被當作人工神經(jīng)網(wǎng)絡（簡記為ANN）最有潛力的應用領域之一，許多人都試圖應用反傳學習算法訓練ANN。（4） 小波分析預測技術小波分析（Wavelet）是本世紀數(shù)學研究成果中最杰出的代表[9]。小波分析方法的提出，可以追溯到1910年Harr提出的“小波”規(guī)范正交基及1938年LittlewoodPaley對Fourier變換的相位變化本質(zhì)上不影響函數(shù)的LP理論。1986年，法國數(shù)學家Mayer創(chuàng)造性地構造出了一個具有一定衰減特性的光滑函數(shù)，它的二進制伸縮和平移系構成L（R）的規(guī)范正交基，實現(xiàn)了信號在時頻空間同時局部化的正交分解。這樣，小波分析的理論大廈就基本奠定了。目前，國內(nèi)外有關小波在電力系統(tǒng)中的應用的文獻還很少，這個領域還是很少，然而，由于其獨特的分析方法，在電力系統(tǒng)負荷預測方面一定會有很好的前景[10]。（5） 模糊負荷預測模糊負荷預測是近幾年比較熱門的研究方向。 本文主要的研究工作通過本次畢業(yè)設計，我們要對所學知識得以鞏固與加強；了解目前負荷預測的概況，弄清負荷預測的常用方法方法，完成電力負荷預測；培養(yǎng)運用所學知識分析和解決問題的能力，鍛煉和提高學生的綜合素質(zhì)本設計主要是學習負荷預測的一般方法，在此基礎上，結合某地區(qū)的實際負荷，將所研究方法應用到負荷預測上，完成相應的負荷預測計算和分析。(5) 建立人工神經(jīng)網(wǎng)絡算法程序, 得出MATLAB的圖形。最大有功負荷的大小是確定電力系統(tǒng)裝機規(guī)模的基礎數(shù)據(jù)，換句話說是電源規(guī)劃的依據(jù)。無功負荷的大小及分布是確定電力系統(tǒng)無功電源規(guī)劃的基礎，也是影響電力系統(tǒng)安全經(jīng)濟運行的重要因素。電力負荷大小及其在時間上的分布特征，對電力規(guī)劃及電力系統(tǒng)運行是至關重要的。③中期負荷預測是指月至年的負荷預測，主要是確定機組運行方式和設備大修計劃等。 準備階段準備階段的工作是由確定預測目標、落實組織工作、搜集資料、分析資料和選擇方法等工作組成。預測內(nèi)容是指包括電力、電量、電力負荷的地區(qū)分布，電力負荷隨時間的變化規(guī)律，以及電力負荷曲線特征及負荷曲線等。這些資料的主要來源有兩種途徑：一是各國政府、研究機構等定期或不定期發(fā)表的報刊、資料、文獻、和其他出版物；二是預測人員通過調(diào)查所獲得的資料。對經(jīng)過鑒別整理后的資料要進行分析，以尋求其規(guī)律。因此，必須根據(jù)對資料的占有情況，以及預測目標、預測期限，預測環(huán)境、預測結果的精確度，同時考慮預測本身的效益成本分析等進行權衡，以便作出合理的選擇。由于影響預測對象的諸因素可能會發(fā)生變化，從而可能使未來的實際結果與預測依據(jù)的歷史資料呈現(xiàn)的規(guī)律不相吻合，預測人員必須適時的對預測模型及預測結果加以修正。因此，在得到預測結果后必須對預測結果的準確度和可靠性進行評價。預測報告一般包括題目、摘要、正文、結論、建議、和附錄等部分。正文包括分析及預測過程、預測模型及說明、有關計算方法、必要的圖表、預測的主要結論及對主要結論的評價。例如。從幾何上講，就是希望根據(jù)表中所列的一組離散點（1，），（2，），……，（10，）求函數(shù)y=f(x)圖像的一條擬合曲線。即 （31）這種根據(jù)誤差平方和最小的原則選擇f(x)的近似函數(shù)的方法就叫曲線擬合的最小二乘法。當某一量的增長率接近常數(shù)時，其增長趨勢常用指數(shù)曲線來擬合。以下我們從一般的基礎上進行討論。由此可得到m+1個方程式 （K=0，1，2，…，m） （35）整理上式可得 （K=0，1，2，…，m） （36）式中，為簡單起見，令 （37） （38）這樣，式中（36）可展開為 （39）式（39）的系數(shù)矩陣顯然為對稱矩陣。例如，第13年（即1995年）的負荷電量為 。其優(yōu)點是計算簡單，缺點是：1要保存的歷史數(shù)據(jù)比較多，如預測的項目很多就要保存大量歷史數(shù)據(jù)；2它對所有數(shù)據(jù)都同等對待，而從直觀和經(jīng)驗上看，我們在預測時應該對離目前越近的數(shù)據(jù)越重視；3它只能用于水平趨勢的時間序列，當時間序列有某種明顯的增加或減少的趨勢時，移動算術平均法不能很快適應這種變化。在時刻t預測t+1時刻的數(shù)值時，只需知道t時刻的實際值及預測值；(2) 對不同時刻的數(shù)據(jù)做了不等權的處理。因此式（313）（314）可以改寫為 （316） （317）將t=1,2,……，n的所有一次指數(shù)平滑值作為新的時間序列，再次進行指數(shù)平滑，我們就得到了原時間序列的二次指數(shù)平滑 （318）同理，如以（1，2，……，n）做為新的時間序列進行指數(shù)平滑，又可得到三次指數(shù)平滑值 （319）依此類推。在這種情況下，需要高次指數(shù)平滑法。 線性指數(shù)平滑法的計算過程11421421422151316041385136617371418140916110179111631217013205141921520616217172281822419203202262122222241232382426525(m=1)26(m=2)27(m=3)28(m=4)29(m=5)30(m=6)表中各列分別為：1 原始記錄數(shù)據(jù)；2 一次指數(shù)平滑值，由式（316）求得；3 二次指數(shù)平滑值，由式（318）求得；4 系數(shù)，由式（322）求得；5 系數(shù)，由式（323）求得；6 預測值，由式（321）求得；整個計算中。所有指數(shù)平滑法都會遇到這種給定值的問題的。”人工神經(jīng) 網(wǎng)絡是最近發(fā)展起來的十分熱門的交叉學科，它涉及生物、電子、計算機、數(shù)學和物理學科，有著非常廣泛的應用背景，這門學科的發(fā)展對日前和末來的科學技術的發(fā)展有重要的影響。Hopfield網(wǎng)絡模型和Hamming網(wǎng)絡模型。前饋型神經(jīng)網(wǎng)絡的基本原理是:神經(jīng)網(wǎng)絡在組成時，各個神經(jīng)元通過一定權值相連，神經(jīng)網(wǎng)絡在使用之前必須確定這些權值，而沒有經(jīng)過訓練的神經(jīng)網(wǎng)絡的權值是沒有任何意義的，神經(jīng)網(wǎng)絡的學習過程就是通過已知數(shù)據(jù)確定權值的過程。(2) 人工神經(jīng)元基本原理人工神經(jīng)元模型是生物神經(jīng)元的模擬與抽象。按照神經(jīng)元連接的拓撲結構不同，可分為分層網(wǎng)絡和相互連接型網(wǎng)絡。人工神經(jīng)元模型的學習方式，其中主要三種:有導師學習、無導師學習和強化學習。④神經(jīng)元網(wǎng)絡的工作過程當網(wǎng)絡訓練好了以后，就可以正常進行工作，可以用來分析數(shù)據(jù)和處理問題。假設三層BP網(wǎng)絡,輸入節(jié)點,隱層節(jié)點,輸出節(jié)點[15]。正向建模的結構如圖所示，其中神經(jīng)網(wǎng)絡與待辨別的系統(tǒng)并聯(lián)，兩者的輸出誤差用做網(wǎng)絡的訓練信號。動態(tài)系統(tǒng)神經(jīng)網(wǎng)絡Ud++_ey 正向建模結構(2) 逆向建模建立動態(tài)系統(tǒng)的逆模型，在神經(jīng)網(wǎng)絡控制中起著關鍵的作用，并且得到了特別廣泛的應用。由圖可見，擬預報的系統(tǒng)輸出作為網(wǎng)絡的輸入，網(wǎng)絡輸出與系統(tǒng)輸入比較，相應的輸入誤差用于訓練，因此網(wǎng)絡將通過學習建立系統(tǒng)的逆模型。但實際工作時的輸入信號很難事先給定，因為控制目標是使系統(tǒng)輸出具有期望的運動，對于未知控制系統(tǒng)期望輸入不可能給出。電力系統(tǒng)負荷變化受多方面的影響，一方面，負荷變化存在著由未知不確定的因素引起的隨機的波動；另一方面，又具有周期變化的規(guī)律性，這也使得負荷曲線具有相似性。眾所周知，負荷曲線是很多因素相關的一個非線性函數(shù)。近年來的研究表明，相對于前兩種方法，利用神經(jīng)網(wǎng)絡技術進行電力系統(tǒng)短期負荷預報可獲得更高的精度。本文采用第1種負荷劃分模式，將一周的7天分為工作日（星期一到星期五）和休息日（星期六和星期天）等兩種類型。此外，由于電力負荷還