【正文】 （550）對輸出節(jié)點 （551） （552）對輸出節(jié)點 （553） （554）求函數(shù)梯度有兩種方法：遞增和批處理。（2）BP網(wǎng)絡(luò)本文采用BP網(wǎng)絡(luò)，BP網(wǎng)絡(luò)學習規(guī)則的指導思想:對網(wǎng)絡(luò)權(quán)值和閾值的修正要沿著表現(xiàn)函數(shù)下降最快的方向負梯度方向. （511）其中是當前的權(quán)值和閾值矩陣, 是當前表現(xiàn)函數(shù)的梯度,是學習速度。③神經(jīng)元網(wǎng)絡(luò)的學習規(guī)則在學習過程中主要是網(wǎng)絡(luò)的連接權(quán)的值發(fā)生了改變，學習到的內(nèi)容也是記憶在連接權(quán)之中。相互連接型網(wǎng)絡(luò)是指網(wǎng)絡(luò)中任意兩個單元之間都可以相互連接。激活函數(shù)有許多種類型，其中比較常用的激活函數(shù)可歸結(jié)為三種形式:閩值型，S型和線性型。從而可以用于以后的預測。前饋神經(jīng)網(wǎng)絡(luò)模型是指那些在網(wǎng)絡(luò)中各處理單元之間的連接都是單向的，而且總是指向網(wǎng)絡(luò)輸出方向的網(wǎng)絡(luò)模型。反饋型網(wǎng)絡(luò)模型是一種反饋動力學系統(tǒng)，它具有極復雜的動力學特性。、基于人工神經(jīng)網(wǎng)絡(luò)日負荷預測（1）人工神經(jīng)網(wǎng)絡(luò)簡介及其原理1）神經(jīng)網(wǎng)絡(luò)簡介人工神經(jīng)網(wǎng)絡(luò)的英文名稱是Artificial Neural Networks(ANN)是一種“采用物理可實現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細胞的結(jié)構(gòu)和功能的系統(tǒng)。上述主要以溫度為天氣因素來考慮對負荷的影響，實際應(yīng)用中，對應(yīng)一小的電網(wǎng)，或某一集中地區(qū)的負荷預測，有其合理性和可操作性，同時將帶來預測精度的提高。方法是，假定每天最大負荷是每天最高溫度的函數(shù) （55）每天最小負荷是每天最低溫度的函數(shù) （56）然后根據(jù)過去幾天的最大負荷和最小負荷記錄及對應(yīng)的最高溫度和最低溫度記錄，用最小二乘方法決定系數(shù)。2）取和預測日同類型的過去幾天負荷并分別歸一化，歸一化如下： （51）其中，為第k日第小時負荷數(shù)據(jù)的歸一化值；為第k日第小時負荷數(shù)據(jù)；為第k日最小負荷數(shù)據(jù)；為第k日最大負荷數(shù)據(jù)。反向傳播BP學習算法用來確定高斯型模糊邏輯系統(tǒng)的參數(shù)，經(jīng)過辨識的模型能夠很好的逼近真實系統(tǒng)，進而達到提高預測精度的目的。④反向傳播學習算法：模糊邏輯系統(tǒng)應(yīng)用主要在于它能夠作為非線性系統(tǒng)的模型，包括含有人工操作員的非線性系統(tǒng)的模型。模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)似乎有著天然的聯(lián)系，模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是模糊系統(tǒng)的實現(xiàn)，就是將常規(guī)的神經(jīng)網(wǎng)絡(luò)(如前向反饋神經(jīng)網(wǎng)絡(luò)，HoPfield神經(jīng)網(wǎng)絡(luò))賦予模糊輸入信號和模糊權(quán)。結(jié)論部的函數(shù)f(X)也可以用神經(jīng)網(wǎng)絡(luò)來表示。①表格查尋法：表格法是一種相對簡單明了的算法。模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學理論，使其進行確定性的工作，對一些無法構(gòu)造數(shù)學模型的被控過程進行有效控制。小波分析是一種時域——頻域分析方法，它在時域和頻域上同時具有良好的局部化性質(zhì)，并且能根據(jù)信號頻率高低自動調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細小部分。1990年，Daubechies在美國作了10次小波講座，把小波介紹到工程界中，“小波熱”就開始了。1987年，Mallat巧妙地將計算機視覺領(lǐng)域內(nèi)的多尺度分析的思想引入到小波分析中小波函數(shù)的構(gòu)成及信號按小波變換的分解及重組，從而成功地統(tǒng)一了此前的各種具體小波函數(shù)的構(gòu)造，并研究了小波變換的離散化情形，得到相應(yīng)的Mallat金字塔式算法，顯著地減少了計算量，使小波分析具有工程實用價值。1984年法國地球物理學家Morlet在分析地震波的局部性時，把小波運用于對信號分解，取得了滿意的分析結(jié)果。由于小波分析在理論上的完美性以及在應(yīng)用上的廣泛性，在短短的幾年中，受到了科學界、工程界的高度重視，并且在信號處理、圖象處理、模式識別、地震預報、故障診斷、狀態(tài)監(jiān)視、CT成象、語言識別、雷達等十幾個科學領(lǐng)域中得到應(yīng)用。神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學習功能，讓計算機學習包含在歷史負荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預測未來負荷。因此，預測被當作人工神經(jīng)網(wǎng)絡(luò)（簡記為ANN）最有潛力的應(yīng)用領(lǐng)域之一，許多人都試圖應(yīng)用反傳學習算法訓練ANN。負荷預測是城網(wǎng)規(guī)劃部門所面臨的較難處理的基礎(chǔ)工作，還由于預測過程容易出現(xiàn)人為差錯及預測專家比較缺乏，使本方法具有較為廣泛的使用前景。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。這一工作開始并不順利，一時建立不起可供應(yīng)的模型。灰色系統(tǒng)理論的形成是有過程的。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(jié)果。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。從數(shù)學上看，就是利用數(shù)理統(tǒng)計中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進行分析，確定變量之間的相互關(guān)系，從而實現(xiàn)預測目的。隨機型時間序列預測模型可以看作一個線性濾波器。、電力負荷預測基本算法電力負荷預測分為經(jīng)典預測方法和現(xiàn)代預測方法。周期模型用來描敘24小時為周期的變化規(guī)律，在分析日負荷曲線形狀時，除掉日平均負荷的變化因素，將連續(xù)幾天的日負荷變化畫在一張圖上，可以看出明顯的周期性，即以24小時為周期循環(huán)變化。所以，對于一個含有趨勢項的非平穩(wěn)隨機過程，可有下式來描述： （413）它即稱為ARIMA模型。某些非平穩(wěn)隨機序列V(t)，例如均值不為0的非平穩(wěn)隨機過程，經(jīng)一階差分后得到的序列（1B）V(t)有可能是平穩(wěn)的。目前，處理這樣問題的最有效辦法是BoxJenkins的時間序列法，其基本的時間序列模型有下述4種。人工修正方法通常用因子模型來描述。在之間一段溫度上，電熱和冷氣均不開放，負荷和溫度沒什么關(guān)系。即 (t=1,2,...,24) （45）式中，n為過去日負荷的天數(shù)；為過去第天第t小時負荷變化系數(shù)。81624816242424168 日負荷周期變化模型，其有明顯的周期性，即以24小時為周期循環(huán)變化。 負荷線性變化模型2）周期變化模型周期變化模型，是用來反映負荷有按日、按月、按年的周期變化特性。線性變化模型可以表示為 （43）式中，a,b為線性方程的截距和斜率；為誤差。電力負荷預測模型及基本算法、電力負荷預測模型針對影響系統(tǒng)負荷的因素，電力系統(tǒng)總負荷預測模型一般可以按四個分量模型描述為 L(t)=B(t)+W(t)+S(t)+V(t) （41）式中，L(t)為時刻t的系統(tǒng)總負荷；B(t)為時刻t的基本正常負荷分量；W(t)為時刻t的天氣敏感負荷分量；S(t)為時刻t的特別事件負荷分量；V(t)為時刻t的隨機負荷分量。摘要與題目配合，可以引起有關(guān)方面的重視。（4）題出預測報告階段預測報告是預測結(jié)果的文字表述。預測結(jié)果應(yīng)該是明確的，可以被檢驗的。如果是采用定性預測方法來進行預測，就應(yīng)根據(jù)掌握的客觀資料進行科學的邏輯推理，推斷出預測期的預測值。沒有一種方法在任何預測場合下均可以保證獲得滿意的結(jié)果。3）分析資料，選擇預測方法。一般在做電力負荷預測時需要搜集與整理的資料主要有：電力系統(tǒng)歷年用電負荷、用電量、用電構(gòu)成；經(jīng)濟發(fā)展目標（如國民生產(chǎn)總值、國民收入等）；國民經(jīng)濟結(jié)構(gòu)的歷史、現(xiàn)狀及可能的變化發(fā)展趨勢；人口預測資料及人均收入水平；能源利用效率及用電比重的變化；工業(yè)布局及用戶的用電水平指標；以及國外參考國家的上述類似歷史資料。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。（1） 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。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(shè)備大修計劃等。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(guān)重要的。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(chǔ)，也是影響電力系統(tǒng)安全經(jīng)濟運行的重要因素。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(chǔ)數(shù)據(jù)，換句話說是電源規(guī)劃的依據(jù)。農(nóng)業(yè)用電負荷也受農(nóng)作物種類、耕作習慣的影響，但就電網(wǎng)而言，由于農(nóng)業(yè)用電負荷集中的時間與城市工業(yè)負荷高峰時間有差別，所以對提高電網(wǎng)負荷率有好處。此外，商業(yè)部門由于商業(yè)行為在節(jié)假日會增加營業(yè)時間，從而成為節(jié)假日中影響電力負荷的重要因素之一。電力負荷分析本文對某市進行電力短期負荷預測，電力負荷的構(gòu)成與特點如下：電力系統(tǒng)負荷一般可以分為城市民用負荷、商業(yè)負荷、農(nóng)村負荷、工業(yè)負荷以及其他負荷等，不同類型的負荷具有不同的特點和規(guī)律。電力負荷預測工作既是電力規(guī)劃工作的重要組成部分，也是電力規(guī)劃的基礎(chǔ)。本文基于神經(jīng)網(wǎng)絡(luò)的電力短期負荷預測就是在大量有關(guān)電力短期負荷研究和神經(jīng)網(wǎng)絡(luò)理論的指導下，在充分調(diào)查研究處理了某市某年某月一個月700多組數(shù)據(jù)后，應(yīng)用了神經(jīng)網(wǎng)絡(luò)理論與MATLAB的實現(xiàn)方式，進行了編程仿真，得出了月底某工作日和某休息日兩天的各小時點的具體負荷。其中首先根據(jù)實際經(jīng)驗將一周的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；然后建立相應(yīng)的人工神經(jīng)網(wǎng)絡(luò)模型用以預測負荷歸一化系數(shù)；最后通過最小二乘法預測日最大負荷和日最小負荷?，F(xiàn)有的預測方法大體可以分為2類：經(jīng)典的數(shù)學統(tǒng)計方法以及上世紀90年代興起的各種人工智能方法。隨著電力市場的建立和發(fā)展，對短期負荷預測提出了更高的要求，短期負荷預測不再僅僅是EMS的關(guān)鍵部分，同時也是制定電力市場交易計劃的基礎(chǔ)。短期負荷預測是隨著電力系統(tǒng)EMS的逐步發(fā)展而發(fā)展起來的，現(xiàn)已經(jīng)成為EMS必不可少的一部分和為確保電力系統(tǒng)安全經(jīng)濟運行所必需的手段之一。短期負荷預測技術(shù)經(jīng)過幾十年的發(fā)展，人們提出了許多的預測方法。在對大量歷史負荷數(shù)據(jù)進行統(tǒng)計分析的基礎(chǔ)上，根據(jù)電力負荷的特點，在考慮天氣溫度、日類型、實際歷史負荷等因素對預測負荷影響的基礎(chǔ)上，本文介紹了一種基于BP神經(jīng)網(wǎng)絡(luò)的短期負荷預測方法。關(guān)鍵詞：電力負荷預測的含義 電力負荷展望 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(chǔ)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(yīng)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。雖然商業(yè)負荷在電力負荷中所占比重不及工業(yè)負荷和民用負荷，但商業(yè)負荷中的照明類負荷占用電力系統(tǒng)高峰時段。此類負荷與工業(yè)負荷相比，受氣候、季節(jié)等自然條件的影響很大，這是由農(nóng)業(yè)生產(chǎn)的特點所決定的。（1）最大有功負荷及其分布。（2）無功負荷及其分布。（4）電力負荷曲線及其特征值。②短期負荷預測是指日負荷預測和周負荷預測，分別用于安排日調(diào)度計劃和周調(diào)度計劃，包括確定機組起停、水火電