【正文】 ............................... 1 本文主要研究內容 .............................................................................................. 3 第 2 章 負荷預測介紹 ...................................................................................................... 4 負荷預測的組成和特點 ....................................................................................... 4 負荷預測的組成 ........................................................................................ 4 負荷預測的特點 ........................................................................................ 4 影響負荷預測的因素 ........................................................................................... 5 負荷預測的原則和步驟 ....................................................................................... 5 負荷預測的原則 ........................................................................................ 5 負荷預測的模型 ........................................................................................ 6 負荷預測的步驟 ........................................................................................ 6 本章小結 ............................................................................................................ 7 第 3 章 BP 神經(jīng)網(wǎng)絡原理 ................................................................................................. 8 人工神經(jīng)網(wǎng)絡概述 ............................................................................................... 8 神經(jīng)網(wǎng)絡的特性 ........................................................................................ 8 人工神經(jīng)元模型 ........................................................................................ 8 神經(jīng)網(wǎng)絡 BP 算法 ............................................................................................... 9 BP 網(wǎng)絡結構 ............................................................................................... 9 BP 網(wǎng)絡的算法 ..........................................................................................10 BP 網(wǎng)絡的缺點和改進方法 ......................................................................... 11 本章小結 ........................................................................................................... 11 第 4 章 整點負荷預測設計及其實現(xiàn) ................................................................................12 模型的設計及參數(shù)設定 ......................................................................................12 模型的設計 ..............................................................................................12 參數(shù)的設定 ..............................................................................................13 整點負荷預測數(shù)據(jù) .............................................................................................13 BP 仿真設計 .......................................................................................................15 預測結果分析 ....................................................................................................20 第 6 章 結論與展望 .........................................................................................................21 參考文獻 .........................................................................................................................22 附錄 ................................................................................................................................23 致謝 ................................................................................................................................26 電力系統(tǒng)整點負荷預測研究 1 第 1 章 緒論 負荷預測的背景和意義 電力系統(tǒng)的作用是為各類用戶盡可能經(jīng)濟地提供可靠而合乎質量標準要求的電能，以隨時滿足各類用戶的需求。 負荷預測按時間可以分成短期負荷預測，中期負荷預測和長期負荷預測。 負荷預測國內外發(fā)展現(xiàn)狀 長時間內，人們發(fā)明了很多負荷預測的方法，比如傳統(tǒng)分析法和人工智能等。 （ 1）灰色理論 灰色系統(tǒng)理論是 20 世紀 80年代由我國學者鄧聚龍教授提出，用來解決信息不完備系統(tǒng)的數(shù)學方法，已在各個領域得到廣泛應用。目前模糊集合理論應用于負荷預測主要有以下幾種方法：模糊聚類法、模糊相似優(yōu)先比法、模糊最大貼近度法等 [4]。 總的來說，人工神經(jīng)網(wǎng)絡這種方法在負荷預測的時候有其獨特的優(yōu)勢，并且得到了許多專家的認可，并取得了不錯的成就。論文研究主要內容如下： 第 1 章 介紹選題背景、目的及其意義，介紹本課題的發(fā)展現(xiàn)狀，說明本課題的主要工作任務。 第 4 章 主要介紹本文具體把神經(jīng)網(wǎng)絡 BP算法應用到某地區(qū)負荷預測上，建模并仿真以及對結果的分析。 中長期負荷預測主要是指對未來一年或幾年的負荷進行預測，超短期 負荷預測是指對未來幾分鐘幾小時的負荷進行預測，而短期負荷預測是對未來幾天的負荷進行預測。這就使負 荷預測具有以下明顯的特點 [7]: （ 1） 不確定性 因為電力負荷未來的發(fā)展是不肯定的，它要受到多種多樣復雜因素的影響，而且各種影響因素也是發(fā)展變化的。如果負荷預測員真正掌握了電力負荷的本質規(guī)律，那么預測條電力系統(tǒng)整點負荷預測研究 5 件就是必然條件，所作出的預測往往是比較可靠的。給預測結果加以一定的前提條件，更有利于用電部門使用預測結果。電力系統(tǒng)負荷隨著人們用電的規(guī)律變化而變化，比如日負荷，在白天負荷變化平緩，到傍晚的時候負荷變化迅速增大，到深夜又迅速減少。特別是溫度對負荷影響最為明顯，比如在南方，夏天溫度升高，許多用戶必須使用大功率的空調，導 致負荷變化，增大電力系統(tǒng)的負荷。 （ 4）其他因素。因此，了解未來短期內負荷變化的一個最有效的方法，就是觀察歷史負荷記錄并進行分析，負荷的另一個特征就是它具有按天，按周以及按季節(jié)周期性變化的特點 [8]。 (4)確定一個適當?shù)臄?shù)學模型。本文只充分考慮了負荷預測的周期性，也利用舊的歷史負荷數(shù)據(jù)。 負荷預測的步驟 預測負荷前，都要對歷史負荷進行分析總結，完成對未來負荷的預測。要保證數(shù)據(jù)的連續(xù)性和正確性。電力負荷其預測值與實際值一定有出入，即預測誤差，并且這是不可避免的。 人工神經(jīng)網(wǎng)絡是基于對人腦的組織結構，活動機制的初步認識提出的一種新型信息處理體系。 神經(jīng)網(wǎng)絡的特性 神經(jīng)網(wǎng)絡和傳統(tǒng)技術比起來，有以下明顯的特點： （ 1） 非線性。 （ 2） 平行分布處理。通過用實際的數(shù)據(jù)建模，對網(wǎng)絡進行訓練，使輸出達到期望值。 由此看來，在非線性問題上和模式識別和 系統(tǒng)仿真上是有其獨特優(yōu)勢的，這類問題都可以轉化到用神經(jīng)網(wǎng)絡來處理。 神經(jīng)網(wǎng)絡 BP算法 BP 算法基本思想是最小二乘學習算法，它的算法過程是沿著梯度下降方向不斷修改權值閾值 ，直到達到設定的誤差的最小值。激 發(fā)函數(shù)一般選擇 Sigmoid 函數(shù)或雙曲函數(shù)。結構圖如圖 31 所示 1x i j k 2x 1py ..... .... .... 1my nx 圖 31 三層 BP 網(wǎng)絡結構圖 福州大學本科生畢業(yè)設計（ 論文） 10 BP 網(wǎng)絡的算法 設網(wǎng)絡有三層，第三層盡含輸出接點，網(wǎng)絡輸出為 y ，有 N 個輸入 kx（ k =1,2,3， ...,N），網(wǎng)絡輸出 ky 亦然。具體算法步驟如下： （ 1） 對數(shù)據(jù)進行歸一化處理，并隨機賦給所有的權值和神經(jīng)元的閾 值較小值。改進后的修正量為 )()1( ( 2 )( 2 )( 2 ) twdwEtw ijijkij ?????? ?? （ 34） （ 5） ?是增益項， ? 是矩參數(shù)，一般是 到 ，當訓練結果達到誤差精度的要求后，停止訓練，如果達不到，回到（ 2）。對于處理大量數(shù)據(jù)的時候，矩陣也會比較龐大，用 BP 算法需要學習循環(huán)幾千次甚至上萬次才會收斂，這是它本身固有的一個缺點，因為它只有局部搜索能力，容易落入局部極小點。第一個是附加沖量法，這種方法是在每個加權調節(jié)量上加上一項正比于前次加權變化量的值，可以明顯加快收斂速度。 福州大學本科生畢業(yè)設計（ 論文） 12 第 4章 整點負荷預測設計及其實現(xiàn) 模型的設計及參數(shù)設定 模型的設計 首先建立一個三層的 BP 網(wǎng)絡，隱含層只有一層。實際訓練的時候，按照從小到大的順序逐個代入程序進行試驗，選出最合適的值。初始化由函數(shù) init 來確定，在確定網(wǎng)絡結構的 同時，這個函數(shù)會將連接網(wǎng)絡的權值閾值隨機賦值，所以每次訓練網(wǎng)絡的輸出值都不一樣。得到輸出預測結果之后，再將 輸出結果進行反歸一化處理，得到確切的預測負荷數(shù)值。 訓練次數(shù)的選取要看網(wǎng)絡樣本的大小，樣本越大，需要的次數(shù)就越多，樣本越小，次數(shù)就越少。 整點負荷預測數(shù)據(jù) 本文以某地