【正文】 區(qū) 5 到 20 日的整點負荷作為訓練樣本，預測 2 2 23 日的整點負荷。本例不會因為樣本過小而導致網絡結構不穩(wěn)定、表達不充分而陷入局部極小，反而本例樣本很大，這樣增大了網絡訓練次數(shù)，增長了收斂時間，數(shù)據(jù)過剩導致網絡訓練慢。激發(fā)函數(shù)分別選用雙曲正切函數(shù) tansing，又稱對稱的sigmond 函數(shù)，函數(shù)形式如 44 xxeexf11)( ?? （ 44） 隱層到輸出函數(shù)選用純 線性函數(shù) purelin 。39。 在經過 3638 次訓練之后，達到了訓練目標，結果如圖 51 所示 0 500 1000 1500 20xx 2500 3000 3500104103102101100101102B e s t T r a i n i n g P e r f o r m a n c e i s 0 . 0 0 0 9 9 9 8 5 a t e p o c h 3 6 3 8誤差目標訓練次數(shù) T r a i nB e s tG o a l 圖 41 訓練結果 輸出結果再經過反歸一化之后，得到了 21 日、 22 日和 23 日的預測負荷數(shù)據(jù)，和實際負荷值相比較得出了誤差，如表 4 4 44 所示 表 42 某地區(qū) 21 日負荷誤差表 單位（ kw） 時間 實際值 預測值 誤差（ %） 0:00 1847 1:00 1716 2:00 1618 3:00 1623 4:00 1606 5:00 1633 6:00 1805 7:00 1880 8:00 2037 9:00 2146 10:00 2242 電力系統(tǒng)整點負荷預測研究 17 11:00 2373 12:00 2058 13:00 2034 14:00 2129 15:00 2118 16:00 2210 17:00 2295 18:00 2318 19:00 2455 20:00 2398 21:00 2304 22:00 2231 23:00 2050 表 43 某地區(qū) 22 日負荷誤差表 單位（ kw） 時間 實際值 預測值 誤差（ %） 0:00 1871 1:00 1752 2:00 1702 3:00 1644 4:00 1605 5:00 1670 6:00 1826 7:00 1800 8:00 1854 9:00 20xx 10:00 2060 11:00 2218 12:00 1978 13:00 1938 14:00 20xx 15:00 1991 16:00 2071 17:00 2150 福州大學本科生畢業(yè)設計（ 論文） 18 18:00 2216 19:00 2309 20:00 2264 21:00 2210 22:00 2127 23:00 1909 表 44 某地區(qū) 23 日負荷誤差表 單位（ KW） 時間 實際值 預測值 誤差（ %） 0:00 1754 1:00 1631 2:00 1586 3:00 1561 4:00 1555 5:00 1593 6:00 1690 7:00 1735 8:00 1913 9:00 2069 10:00 2138 11:00 2288 12:00 1984 13:00 1920 14:00 1968 15:00 1990 16:00 2115 17:00 2275 18:00 2224 19:00 2291 20:00 2218 21:00 2123 22:00 20xx 23:00 1856 電力系統(tǒng)整點負荷預測研究 19 負荷曲線擬合圖如圖 4 43 和 44： 0 5 10 15 20 251500160017001800190020xx21002200230024002500時間（小時）負荷（KW） 圖 42 某地區(qū) 21 日預測負荷擬合圖 0 5 10 15 20 251500160017001800190020xx21002200230024002500時間（小時）負荷（KW） 圖 43 某地區(qū) 22 日負荷預測擬合圖 、 福州大學本科生畢業(yè)設計（ 論文） 20 0 5 10 15 20 25160017001800190020xx21002200230024002500時間（小時）負荷（KW） 圖 44 某地 區(qū) 23 日負荷預測擬合圖 預測結果分析 由上述仿真看來， BP 網絡基本能滿足負荷預測誤差精度的要求，但仍有問題存在。由于參數(shù)不完整性的問題雖然獲得了一定精度，但由于樣本選取比較嚴格，所以樣本的需求量比普通的人工神經網絡模型要大 [15]。雖然神經網絡 BP 算法有著幾個缺陷，比如收斂速度慢、初始權值選取的隨機性、容易陷入局部極小等，但是在短期負荷預測的領域里，它的誤差范圍是在誤差允許范圍之內的，而且 BP 算法在非線性逼近方面有其他方法無可比擬的優(yōu)勢，再一次證明其可行性。電子學報 .. [2].盧建昌 .基于電力市場的短期負荷預測建模理論及應用研究 .天津：天津大學博士學位 論文， 20xx,1516 [3] Niu Dongxiao， Zhang Wenlen． Adjustment grey model for load forecasting of power systems[J]． The Journal of Grey System， 1994， (6)： 127— 134． [4]. 韓鋒 .基于模糊神經網絡的電力系統(tǒng)短期負荷預測 .保定：河北農業(yè)大學碩士學位論文， 20xx,6:56. [5] 韓力群．人工神經網絡理論 ,設計及應用 [M]．北京：化學工業(yè)出版社，20xx． 51— 56 [6]. 劉強 .基于模糊神經網絡的電力系統(tǒng)短期負荷預測 .石家莊：河北科技大學碩士學位論文， 20xx,4 [7]. 牛東曉，曹樹華，趙磊，張文文 .電力負荷預測技術及其應用 [M].北京：中國電力出版社， ， ,196201. [8]. 高強 .電力系統(tǒng)短期負荷預測 .沈陽：沈陽工業(yè)大學碩士學位論文，20xx,23. [9]. 牛東曉，曹樹華，趙磊，張文文 .電力負荷預測技術及其應用 [M].北京：中國電力出版社， ， ,196201. [10]. 盧崢 .電力系統(tǒng)短期負荷預測研究 .長沙： 湖南大學碩士學位論文， 20xx：78 [11] 胡啟元 . 針對電力系統(tǒng)短期負荷預測的研究： .成都：四川大學碩士學位論文， 20xx,1011 [12] 趙林明，胡浩云，魏德華等 .多層前向人工神經網絡 .第一版 .鄭州 :黃河水利出版社， 1999 .440. [13] Chow T W S,Leung C work based shortterm load forecasting using weather pensation [J].IEEET Ranson power. [14] 侯媛彬，杜京義，汪梅 .神經網絡 [M].西安：西安電子科技大學出版社，20xx,1718. 電力系統(tǒng)整點負荷預測研究 23 [15] 肖國權，王春，張福偉。 1764 1662 1582 1535 1521 1568 1748 1861 2023 2120 2188 2345 2038 1995 ... 2031 2020 2121 2261 2295 2383 2323 2199 2120 1948。 1726 1648 1574 1528 1541 1589 1807 1897 2066 2184 2236 2378 2055 2051 ... 2107 2137 2191 2315 2337 2482 2396 2289 2197 20xx。 1840 1694 1620 1588 1593 1602 1746 1785 1906 1984 2091 2227 1955 1906 ... 1956 1964 2055 2170 2169 2333 2296 2228 2131 1928。 1790 1740 1635 1659 1576 1619 1839 1921 2061 2136 2221 2355 2033 20xx ... 2073 2080 2147 2265 2260 2425 2381 2304 2182 1955。 1754 1631 1586 1561 1555 1593 1690 1735 1913 2069 2138 2228 1984 1920 ... 1968 1990 2115 2275 2224 2291 2218 2123 20xx 1856]39。 b=(au0)/(U0u0)。tansig39。traingd39。%訓練目標 =。%建立網絡， 50個隱含層節(jié)點， 24個輸出層節(jié)點 =20xx0。purelin39。%輸入矩陣 expectlist=b(1:end,2:16)。 電力系統(tǒng)整點負荷預測研究 25 u0=min(min(a))。 1847 1716 1618 1623 1606 1633 1805 1880 2037 2146 2242 2373 2058 2034 ... 2129 2118 2210 2295 2318 2455 2398 2304 2231 2050。 1862 1715 1671 1633 1609 1645 1842 1937 2059 2197 2283 2399 2061 2053 ... 2145 2147 2283 2371 2378 2410 2309 2171 2060 1867。 1829 1719 1644 1608 1627 1634 1882 1998 2142 2233 2268 福州大學本科生畢業(yè)設計（ 論文） 24 2392 2070 2073 ... 2133 2117 2208 2284 2330 2504 2447 2351 2276 2070。 1684 1609 1532 1509 1488 1531 1790 1902 2030 2143 2220 2341 20xx 20xx ... 2064 2053 2149 2247 2292 2412 2338 2234 2140 1931。中國電力出版社， 20xx,7. 附錄 BP 算法預測負荷的程序： a=[1702 1560 1522 1504 1509 1515 1696 1828 1970 2114 2190 2322 2065 20xx ... 2039 2041 2125 2275 2308 2355 2294 2203 2091 1863。 目前，我國處于一個東部地區(qū)用電量大但電力資源短缺，西部地區(qū)用電量小但電力資源豐富的環(huán)境，因此各地區(qū)的調度部門應該合理分配電力資源，加強負荷預測精度，使得每一度電都不浪費，降低電力資源浪費對國家經濟發(fā)展的影響，神經網絡預測短期負荷有很光明的發(fā)展前景，可供各地區(qū)的電力調度部門采納使用。 電力系統(tǒng)是一個龐大復雜的系統(tǒng)，并伴隨著信息化、節(jié)能化在不斷發(fā)展，越來越多的超高壓甚至特高壓線路在不斷建設，對電力科學的要求在不斷提高，其中負荷預測技術顯得尤為重要，其精度決定著電能質量以及電力系統(tǒng)能否為各行業(yè)提供良好的供電服務。另外一方面，這里沒有考慮氣候、溫度、節(jié)假日等對負荷預測的影響，使得誤差沒有進一步的減小，使得曲線起伏較大，但由于我國 目前的國情，數(shù)據(jù)獲取難度比較大，尤其是實時的天氣數(shù)據(jù)