【正文】 （550）對(duì)輸出節(jié)點(diǎn) （551） （552）對(duì)輸出節(jié)點(diǎn) （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(xué)習(xí)規(guī)則的指導(dǎo)思想:對(duì)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(fù)梯度方向. （511）其中是當(dāng)前的權(quán)值和閾值矩陣, 是當(dāng)前表現(xiàn)函數(shù)的梯度,是學(xué)習(xí)速度。③神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則在學(xué)習(xí)過程中主要是網(wǎng)絡(luò)的連接權(quán)的值發(fā)生了改變，學(xué)習(xí)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(gè)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(yù)測(cè)。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(dòng)力學(xué)系統(tǒng)，它具有極復(fù)雜的動(dòng)力學(xué)特性。、基于人工神經(jīng)網(wǎng)絡(luò)日負(fù)荷預(yù)測(cè)（1）人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介及其原理1）神經(jīng)網(wǎng)絡(luò)簡(jiǎn)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(shí)現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細(xì)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(duì)負(fù)荷的影響，實(shí)際應(yīng)用中，對(duì)應(yīng)一小的電網(wǎng)，或某一集中地區(qū)的負(fù)荷預(yù)測(cè)，有其合理性和可操作性，同時(shí)將帶來預(yù)測(cè)精度的提高。方法是，假定每天最大負(fù)荷是每天最高溫度的函數(shù) （55）每天最小負(fù)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(fù)荷和最小負(fù)荷記錄及對(duì)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(yù)測(cè)日同類型的過去幾天負(fù)荷并分別歸一化，歸一化如下： （51）其中，為第k日第小時(shí)負(fù)荷數(shù)據(jù)的歸一化值；為第k日第小時(shí)負(fù)荷數(shù)據(jù)；為第k日最小負(fù)荷數(shù)據(jù)；為第k日最大負(fù)荷數(shù)據(jù)。反向傳播BP學(xué)習(xí)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(shí)的模型能夠很好的逼近真實(shí)系統(tǒng)，進(jìn)而達(dá)到提高預(yù)測(cè)精度的目的。④反向傳播學(xué)習(xí)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(shí)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(hào)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(duì)簡(jiǎn)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(xué)理論，使其進(jìn)行確定性的工作，對(duì)一些無法構(gòu)造數(shù)學(xué)模型的被控過程進(jìn)行有效控制。小波分析是一種時(shí)域——頻域分析方法，它在時(shí)域和頻域上同時(shí)具有良好的局部化性質(zhì)，并且能根據(jù)信號(hào)頻率高低自動(dòng)調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號(hào)以及信號(hào)、圖象的任意細(xì)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(jì)算機(jī)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(hào)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(jì)算量，使小波分析具有工程實(shí)用價(jià)值。1984年法國地球物理學(xué)家Morlet在分析地震波的局部性時(shí)，把小波運(yùn)用于對(duì)信號(hào)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(xué)界、工程界的高度重視，并且在信號(hào)處理、圖象處理、模式識(shí)別、地震預(yù)報(bào)、故障診斷、狀態(tài)監(jiān)視、CT成象、語言識(shí)別、雷達(dá)等十幾個(gè)科學(xué)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(xué)習(xí)功能，讓計(jì)算機(jī)學(xué)習(xí)包含在歷史負(fù)荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測(cè)未來負(fù)荷。因此，預(yù)測(cè)被當(dāng)作人工神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)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(xué)習(xí)算法訓(xùn)練ANN。負(fù)荷預(yù)測(cè)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(yù)測(cè)過程容易出現(xiàn)人為差錯(cuò)及預(yù)測(cè)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(fù)荷預(yù)測(cè)人員能識(shí)別預(yù)測(cè)日所屬的類型，考慮天氣因素對(duì)負(fù)荷預(yù)測(cè)的影響，按照一定的推理進(jìn)行負(fù)荷預(yù)測(cè)。這一工作開始并不順利，一時(shí)建立不起可供應(yīng)的模型?；疑到y(tǒng)理論的形成是有過程的。1)灰色數(shù)學(xué)理論灰色數(shù)學(xué)理論是把負(fù)荷序列看作一真實(shí)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(xué)統(tǒng)計(jì)方法具有速度快的優(yōu)點(diǎn)，但是其預(yù)測(cè)模型比較簡(jiǎn)單，很難準(zhǔn)確描述負(fù)荷預(yù)測(cè)的實(shí)際模型，所以其精度較差。從數(shù)學(xué)上看，就是利用數(shù)理統(tǒng)計(jì)中的回歸分析方法，通過對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)目的。隨機(jī)型時(shí)間序列預(yù)測(cè)模型可以看作一個(gè)線性濾波器。、電力負(fù)荷預(yù)測(cè)基本算法電力負(fù)荷預(yù)測(cè)分為經(jīng)典預(yù)測(cè)方法和現(xiàn)代預(yù)測(cè)方法。周期模型用來描敘24小時(shí)為周期的變化規(guī)律，在分析日負(fù)荷曲線形狀時(shí)，除掉日平均負(fù)荷的變化因素，將連續(xù)幾天的日負(fù)荷變化畫在一張圖上，可以看出明顯的周期性，即以24小時(shí)為周期循環(huán)變化。所以，對(duì)于一個(gè)含有趨勢(shì)項(xiàng)的非平穩(wěn)隨機(jī)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(jī)序列V(t)，例如均值不為0的非平穩(wěn)隨機(jī)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(shí)間序列法，其基本的時(shí)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(fù)荷和溫度沒什么關(guān)系。即 (t=1,2,...,24) （45）式中，n為過去日負(fù)荷的天數(shù)；為過去第天第t小時(shí)負(fù)荷變化系數(shù)。81624816242424168 日負(fù)荷周期變化模型，其有明顯的周期性，即以24小時(shí)為周期循環(huán)變化。 負(fù)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(fù)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(fù)荷預(yù)測(cè)模型及基本算法、電力負(fù)荷預(yù)測(cè)模型針對(duì)影響系統(tǒng)負(fù)荷的因素，電力系統(tǒng)總負(fù)荷預(yù)測(cè)模型一般可以按四個(gè)分量模型描述為 L(t)=B(t)+W(t)+S(t)+V(t) （41）式中，L(t)為時(shí)刻t的系統(tǒng)總負(fù)荷；B(t)為時(shí)刻t的基本正常負(fù)荷分量；W(t)為時(shí)刻t的天氣敏感負(fù)荷分量；S(t)為時(shí)刻t的特別事件負(fù)荷分量；V(t)為時(shí)刻t的隨機(jī)負(fù)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(yù)測(cè)報(bào)告階段預(yù)測(cè)報(bào)告是預(yù)測(cè)結(jié)果的文字表述。預(yù)測(cè)結(jié)果應(yīng)該是明確的，可以被檢驗(yàn)的。如果是采用定性預(yù)測(cè)方法來進(jìn)行預(yù)測(cè)，就應(yīng)根據(jù)掌握的客觀資料進(jìn)行科學(xué)的邏輯推理，推斷出預(yù)測(cè)期的預(yù)測(cè)值。沒有一種方法在任何預(yù)測(cè)場(chǎng)合下均可以保證獲得滿意的結(jié)果。3）分析資料，選擇預(yù)測(cè)方法。一般在做電力負(fù)荷預(yù)測(cè)時(shí)需要搜集與整理的資料主要有：電力系統(tǒng)歷年用電負(fù)荷、用電量、用電構(gòu)成；經(jīng)濟(jì)發(fā)展目標(biāo)（如國民生產(chǎn)總值、國民收入等）；國民經(jīng)濟(jì)結(jié)構(gòu)的歷史、現(xiàn)狀及可能的變化發(fā)展趨勢(shì)；人口預(yù)測(cè)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(biāo)；以及國外參考國家的上述類似歷史資料。預(yù)測(cè)內(nèi)容是指包括電力、電量、電力負(fù)荷的地區(qū)分布，電力負(fù)荷隨時(shí)間的變化規(guī)律，以及電力負(fù)荷曲線特征及負(fù)荷曲線等。（1） 準(zhǔn)備階段準(zhǔn)備階段的工作是由確定預(yù)測(cè)目標(biāo)、落實(shí)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(fù)荷預(yù)測(cè)是指月至年的負(fù)荷預(yù)測(cè)，主要是確定機(jī)組運(yùn)行方式和設(shè)備大修計(jì)劃等。電力負(fù)荷大小及其在時(shí)間上的分布特征，對(duì)電力規(guī)劃及電力系統(tǒng)運(yùn)行是至關(guān)重要的。無功負(fù)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(jì)運(yùn)行的重要因素。最大有功負(fù)荷的大小是確定電力系統(tǒng)裝機(jī)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(fù)荷也受農(nóng)作物種類、耕作習(xí)慣的影響，但就電網(wǎng)而言，由于農(nóng)業(yè)用電負(fù)荷集中的時(shí)間與城市工業(yè)負(fù)荷高峰時(shí)間有差別，所以對(duì)提高電網(wǎng)負(fù)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(huì)增加營業(yè)時(shí)間，從而成為節(jié)假日中影響電力負(fù)荷的重要因素之一。電力負(fù)荷分析本文對(duì)某市進(jìn)行電力短期負(fù)荷預(yù)測(cè)，電力負(fù)荷的構(gòu)成與特點(diǎn)如下：電力系統(tǒng)負(fù)荷一般可以分為城市民用負(fù)荷、商業(yè)負(fù)荷、農(nóng)村負(fù)荷、工業(yè)負(fù)荷以及其他負(fù)荷等，不同類型的負(fù)荷具有不同的特點(diǎn)和規(guī)律。電力負(fù)荷預(yù)測(cè)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(fù)荷預(yù)測(cè)就是在大量有關(guān)電力短期負(fù)荷研究和神經(jīng)網(wǎng)絡(luò)理論的指導(dǎo)下，在充分調(diào)查研究處理了某市某年某月一個(gè)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(shí)現(xiàn)方式，進(jìn)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(shí)點(diǎn)的具體負(fù)荷。其中首先根據(jù)實(shí)際經(jīng)驗(yàn)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(yù)測(cè)負(fù)荷歸一化系數(shù)；最后通過最小二乘法預(yù)測(cè)日最大負(fù)荷和日最小負(fù)荷?，F(xiàn)有的預(yù)測(cè)方法大體可以分為2類：經(jīng)典的數(shù)學(xué)統(tǒng)計(jì)方法以及上世紀(jì)90年代興起的各種人工智能方法。隨著電力市場(chǎng)的建立和發(fā)展，對(duì)短期負(fù)荷預(yù)測(cè)提出了更高的要求，短期負(fù)荷預(yù)測(cè)不再僅僅是EMS的關(guān)鍵部分，同時(shí)也是制定電力市場(chǎng)交易計(jì)劃的基礎(chǔ)。短期負(fù)荷預(yù)測(cè)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(jì)運(yùn)行所必需的手段之一。短期負(fù)荷預(yù)測(cè)技術(shù)經(jīng)過幾十年的發(fā)展，人們提出了許多的預(yù)測(cè)方法。在對(duì)大量歷史負(fù)荷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的基礎(chǔ)上，根據(jù)電力負(fù)荷的特點(diǎn)，在考慮天氣溫度、日類型、實(shí)際歷史負(fù)荷等因素對(duì)預(yù)測(cè)負(fù)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(fù)荷預(yù)測(cè)方法。關(guān)鍵詞：電力負(fù)荷預(yù)測(cè)的含義 電力負(fù)荷展望 電力負(fù)荷預(yù)測(cè)就是在正確的理論指導(dǎo)下，在調(diào)查研究掌握大量翔實(shí)資料的基礎(chǔ)上，運(yùn)用可靠的方法和手段對(duì)電力負(fù)荷的發(fā)展趨勢(shì)作出科學(xué)合理的推斷。正確地預(yù)測(cè)電力負(fù)荷，既是為了保證無條件供應(yīng)國民經(jīng)濟(jì)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(fù)荷預(yù)測(cè)是一項(xiàng)十分重要的工作，它對(duì)于保證電力工業(yè)的健康發(fā)展，乃至對(duì)于整個(gè)國民經(jīng)濟(jì)的發(fā)展均有著十分重要的意義。雖然商業(yè)負(fù)荷在電力負(fù)荷中所占比重不及工業(yè)負(fù)荷和民用負(fù)荷，但商業(yè)負(fù)荷中的照明類負(fù)荷占用電力系統(tǒng)高峰時(shí)段。此類負(fù)荷與工業(yè)負(fù)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(diǎn)所決定的。（1）最大有功負(fù)荷及其分布。（2）無功負(fù)荷及其分布。（4）電力負(fù)荷曲線及其特征值。②短期負(fù)荷預(yù)測(cè)是指日負(fù)荷預(yù)測(cè)和周負(fù)荷預(yù)測(cè)，分別用于安排日調(diào)度計(jì)劃和周調(diào)度計(jì)劃，包括確定機(jī)組起停、水火電