【正文】 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(zhǔn)確的負(fù)荷預(yù)測是整個(gè)規(guī)劃工作的基礎(chǔ)和前提。電力系統(tǒng)的作用就是對各類用戶提供盡可能經(jīng)濟(jì)可靠而合乎標(biāo)準(zhǔn)要求的電能，以隨時(shí)滿足各類用戶的要求，用電力系統(tǒng)的術(shù)語來說，就是滿足負(fù)荷要求。電力系統(tǒng)負(fù)荷預(yù)測為這一地區(qū)電力規(guī)劃奠定了一定的基礎(chǔ)，同時(shí)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)。經(jīng)典的數(shù)學(xué)統(tǒng)計(jì)方法包括線性外推法、多元線性回歸法、時(shí)間序列法和狀態(tài)空間法等。利用相應(yīng)的 BP 神經(jīng)網(wǎng)絡(luò)方法 對未來 24 小時(shí)負(fù)荷進(jìn)行短期預(yù)測 [2]，該方法充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)處理非線性問題的能力和人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的優(yōu)點(diǎn)。電力負(fù)荷預(yù)測中的負(fù)荷概念是指國民經(jīng)濟(jì)整體或部門或地區(qū)對電力和電量消費(fèi)的歷 史情況及未來的變化發(fā)展趨勢。 電力用戶是電力工業(yè)的服務(wù)對象，電力負(fù)荷的不 斷增長是電力工業(yè)發(fā)展的根據(jù)。 本文對某地區(qū)進(jìn)行電力負(fù)荷的中、 短期 預(yù)測，它為這一地區(qū)電力規(guī)劃奠定了一定的基礎(chǔ)，同時(shí)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)。它利用了電力負(fù)荷變動的 慣性特征和時(shí)間上的延續(xù)性，通過對歷史數(shù)據(jù)時(shí)間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測未來負(fù)荷?；貧w預(yù)測包括線性回歸和非線性回歸。這其中主要有灰色數(shù)學(xué)理論、專家系統(tǒng)方法、神經(jīng)網(wǎng)絡(luò)理論、模糊預(yù)測理論等。 灰色系統(tǒng)理論是中國學(xué)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。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(shí)期起作用的規(guī)律，于是進(jìn)行了用少量數(shù)據(jù)做微分方程建模的研究。 （ 2） 專家系統(tǒng)方法 專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負(fù)荷數(shù)據(jù)和天氣數(shù)據(jù)等進(jìn)行細(xì)致的分析，匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測人員的知識，提取有關(guān)規(guī)則。 （ 3） 神經(jīng)網(wǎng)絡(luò)理論 運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行電力負(fù)荷預(yù)測，其優(yōu)點(diǎn)是可以模仿人腦的智能化處理，對大量非結(jié)構(gòu)性、非精確性規(guī)律具有自適應(yīng)功能，具有信息記憶、自主學(xué)習(xí)、知識推理和優(yōu)化計(jì)算的特點(diǎn)，特別的，其自學(xué)習(xí)和自適應(yīng)功能是常規(guī)算法和專家系統(tǒng)技術(shù)所不具備的 [8]。因此，我們可以將對電力負(fù)荷影響最大的幾種因素作為輸入，即當(dāng)天的天氣溫度、天氣晴朗度（又稱為能見度）、風(fēng)向風(fēng)力、峰谷負(fù)荷及相關(guān)負(fù)荷等，爭取獲得較好的預(yù)測結(jié)果。小波分析為本世紀(jì)現(xiàn)代分析學(xué)作了完美的總結(jié)。隨后，理論物理學(xué)家 Grossman 對 Morlet 的這種信號方法進(jìn)行了理論研究，這無疑為小波分析的形成奠定了基礎(chǔ)。它在數(shù)學(xué)信號的小波 分解過程中提供有限的從而更實(shí)際、更具體的數(shù)字濾波器。而Wicherhanseer 等將 Mallat 算法進(jìn)一步深化，提出了小波包算法，取得了信號的最佳時(shí)頻分解。這些優(yōu)點(diǎn)決定了小波分 析可以有效地應(yīng)用于負(fù)荷預(yù)測問題的研究。模糊系統(tǒng)對于任意一個(gè)非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個(gè)解模糊方法，使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線性函數(shù)。 (3) 深入研究最小二乘法、指數(shù)平滑法和人工神經(jīng)網(wǎng)絡(luò)法的預(yù) 測方法 (4) 建立電力負(fù)荷預(yù)測的模型，對預(yù)測某地區(qū)的發(fā)電量。 （ 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)測是指日負(fù)荷預(yù)測和周負(fù)荷預(yù)測，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、水火電協(xié)調(diào)、聯(lián)絡(luò)線交換功率、負(fù)荷經(jīng)濟(jì)分配、水庫調(diào)度和設(shè)備檢修等，對短期預(yù)測，需充分研究電網(wǎng)負(fù)荷變化規(guī)律，分析負(fù)荷變化相關(guān)因子，特別是天氣因素、日類型等和短期負(fù)荷變化的關(guān)系。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 8 頁 共 41 頁 電力負(fù)荷預(yù)測的程序 電力負(fù)荷預(yù)測是一個(gè)過程，其一般程序可劃分為準(zhǔn)備、實(shí)施、評價(jià)與提交預(yù)測報(bào)告四個(gè)階段。一般而言，預(yù)測范圍視研究問題所涉及的范圍而定，編制全國電力規(guī)劃，就要預(yù)測全國范圍內(nèi)的電力、電量需求量；編制大區(qū)網(wǎng)局或地方（省、地、縣）電力局的發(fā)展規(guī)劃，就要預(yù)測大區(qū)電網(wǎng)或地方電力局范圍內(nèi)的電力、電量需求量。一般在做電力負(fù)荷預(yù)測時(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；人口預(yù)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(biāo)；以及國外參考國家的上述類似歷史資料。 （ 3） 分析資料，選擇預(yù)測方法。沒有一種方法在任何預(yù)測場合下均可以保證獲得滿意的結(jié)果。如果是采用定性預(yù)測方法來進(jìn)行預(yù)測，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)測期的預(yù)測值。預(yù)測結(jié)果應(yīng)該是明確的，可以被檢驗(yàn)的。 題出預(yù)測報(bào)告階段 預(yù)測報(bào)告是預(yù)測結(jié)果的文字表述。摘要與題目配合，可以引起有關(guān)方面的重視。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 10 頁 共 41 頁 3 電力負(fù)荷預(yù)測方法的研究 基于最小二乘法的預(yù)測研究及算例分析 在實(shí)踐中，我們往往需要從一組實(shí)測數(shù)據(jù) （ ii yx, ）（ i=1， 2， …… ， n） 中尋找變量 x 與 y 間函數(shù)關(guān)系的某種近似表達(dá)式。 為了用外推法預(yù)測今后的發(fā)電量，我們需要尋求 y=f(x)的一個(gè)近似表達(dá)式。因此通常歸結(jié)為要求在各點(diǎn)的誤差和為最小。 前三種曲線都屬于多項(xiàng)式類型，比較簡單。這就是最小二乘法的核心。我們按通常的方法來求 S 對maaa , 10 ? 的偏導(dǎo)數(shù)，并使這些導(dǎo)數(shù)等于零。根據(jù) 式 （ 37）（ 38） ，對表 的原始數(shù)據(jù)可按下表進(jìn)行處理 表 最小二乘法的計(jì)算表格 0x 1x 2x 3x 4x y xy yx2 1 1 1 1 1 1 1 1 1 2 4 8 16 1 3 9 27 81 1 4 16 64 256 1 5 25 125 625 1 6 36 216 1296 1 7 49 343 2401 1 8 64 512 4096 1 9 81 729 6561 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 13 頁 共 41 頁 1 10 100 1000 10000 194 0S 1S 2S 3S 4S 0? 1? 2? 10 55 385 3025 25333 根據(jù)式 39 可得到線性方程 ??????????????????????????????? 2 22 5 3 33 0 2 53 8 53 0 2 53 8 5553 8 55510210aaa 解之得 210???aaa 即擬合曲線的表達(dá)式為 20 0 7 1 2 0 4 )( xxx ???? 根據(jù)此方程式即可利用外推法對未來負(fù)荷電量進(jìn)行預(yù)測。 對于時(shí)間上有序的一組觀測數(shù)據(jù) ,~~~, 21 txxx 可以用對連續(xù) n 個(gè)時(shí)期的觀測值計(jì)算出的平均數(shù)作為對下一時(shí)期，即 t+1 時(shí)期的預(yù)測值，即 1?tF 表示 ????? ? tnti it xnF 11 1 （ 310） 這種預(yù)測方法稱為移動算術(shù)平均法。和移動算術(shù)平均法相比，它有以下幾個(gè)優(yōu)點(diǎn)： (1) 不需要儲存過去 n 個(gè)時(shí) 刻的歷史數(shù)據(jù)。 在實(shí)屬平滑法中， t+1 時(shí)刻的預(yù)測值 1?tF 式 （ 313）（ 314） 叫 t 時(shí)刻的一次指數(shù)平滑，用 )1(ts 表示。 當(dāng)時(shí)間序列具有不斷增大（或減小）的趨勢時(shí)，用一次指數(shù)平滑法預(yù)測的結(jié)果往往出現(xiàn)明顯的滯后現(xiàn)象，誤差較大。試用線性指數(shù)平滑法對今后半年的用電量進(jìn)行預(yù)測。但是當(dāng) t=1 時(shí)這個(gè)值并不存在，因此需要在計(jì)算前給定出定值，最簡單的方法就是使 )2()1( , tt SS 在開始時(shí)都等于 Xt,或者都等于前幾個(gè) Xt 的平均值。”當(dāng)前國際著名的神經(jīng)網(wǎng)絡(luò)專家，第一家神經(jīng)計(jì)算機(jī)公司的創(chuàng)始人和神經(jīng)網(wǎng)絡(luò)技術(shù)研究的領(lǐng)導(dǎo)人 Hecht Nielson給神經(jīng)網(wǎng)絡(luò)的定義是 :“神經(jīng)網(wǎng)絡(luò)是一個(gè)以有向圖為拓?fù)浣Y(jié)構(gòu)的動態(tài)系統(tǒng)，它通過對連續(xù)或斷連續(xù)的輸入作狀態(tài)響應(yīng)而進(jìn)行信息處理。反饋神經(jīng)網(wǎng)絡(luò)模型可以用完備的無向圖表示，代表性的模型包括 。 本文中采用前饋型網(wǎng)絡(luò)對電力系統(tǒng)短期負(fù)荷進(jìn)行預(yù)測。從已知數(shù)據(jù)確定權(quán)值是一個(gè)無約束最優(yōu)化問題，典型的算法是 BP 法，對于前饋神經(jīng)網(wǎng)絡(luò)模型還有很多其他權(quán)值修正法。 ①人工神經(jīng)元網(wǎng)絡(luò)模型將前面介紹的神經(jīng)元通過一定的結(jié)構(gòu)組織起來，就可構(gòu)成人工神經(jīng)元網(wǎng)絡(luò)。 ②神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)過程模仿人的學(xué)習(xí)過程，人們提出了多種神經(jīng)元網(wǎng)絡(luò)。學(xué)習(xí)規(guī)則有 :Hebb學(xué)習(xí)規(guī)則、感知機(jī) (Perception)學(xué)習(xí)規(guī)則、 Delta學(xué)習(xí)規(guī)則等等。 下面介紹 BP 算法的推倒過程。 電力系統(tǒng)短期負(fù)荷預(yù)測建模及 MATLAB 實(shí)現(xiàn) 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測原理 (1) 正向建模 正向建模是訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)表達(dá)系統(tǒng)正向動態(tài)的過程，這一過程建立的神經(jīng)網(wǎng)絡(luò)模型稱為正向建模。而當(dāng)系統(tǒng)為性能評價(jià)器時(shí)，則可選擇再勵學(xué)習(xí)算法 [16]。從原理上說，這是一種最簡單的方法。 圖 逆向建模結(jié)構(gòu) 為了獲得良好的逆動力學(xué)特性，應(yīng)妥善選擇網(wǎng)絡(luò)訓(xùn)練所需的樣本集，使其比未知系統(tǒng)的實(shí)際運(yùn)行范圍更大。 電力系統(tǒng)短期負(fù)荷預(yù)測建模及 MATLAB 實(shí)現(xiàn) 負(fù)荷預(yù)測對電力系統(tǒng)控制、運(yùn)行和計(jì)劃都有著重要的意義。 本文采用 MATLAB 軟件編程、仿真，具體過程如下所示： (1) 問題描述 電力系統(tǒng)負(fù)荷短期預(yù)報(bào)問題的解決辦法和方式可以分為統(tǒng)計(jì)技術(shù)、專家系統(tǒng)法和神經(jīng)網(wǎng)絡(luò)法等。它不依靠專家經(jīng)驗(yàn)，只利用觀察到的數(shù)據(jù)，可以從訓(xùn)練過程中通過學(xué) 習(xí)來抽樣和逼近隱含的輸入 /輸出非線性的關(guān)系。 c 將一周的 7 天每天都看做一種類型，共有 7 種類型。所以這里將前一天的實(shí) 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 24 頁 共 41 頁 時(shí)負(fù)荷數(shù)據(jù)作為網(wǎng)絡(luò)的樣本數(shù)據(jù)。因此，輸入變量就是一個(gè) 26 維的向量。歸一化方法有許多種形式，這里采用如下公式： minmax minxxx? ?? ? （ 413） 在樣本中，輸入向量為預(yù)測日前天的電力 實(shí)際負(fù)荷數(shù)據(jù)，目標(biāo)向量是預(yù)測日當(dāng)天的電力負(fù)荷。目前，訓(xùn)練樣本數(shù)目的確定沒有通用的方法，一般認(rèn)為樣本過少可能使得網(wǎng)絡(luò)的表達(dá)不夠充分，從而導(dǎo)致網(wǎng)絡(luò)外推能力不夠；而樣本過多可能會出現(xiàn)樣本冗長現(xiàn)象，既增加了網(wǎng)絡(luò)的訓(xùn)練負(fù)擔(dān)，也可能出現(xiàn)信息量過剩使得網(wǎng)絡(luò)出現(xiàn)過擬合現(xiàn)象。 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 25 頁 共 41 頁 圖 預(yù)測 24 點(diǎn)負(fù)荷的 BP 網(wǎng)絡(luò) BP 網(wǎng)絡(luò)是系統(tǒng)預(yù)測中應(yīng)用特別廣泛的一種網(wǎng)絡(luò)形式，因此，本文采用 BP 網(wǎng)絡(luò)對負(fù)荷值進(jìn)行預(yù)報(bào)。網(wǎng)絡(luò)中間層的神經(jīng)元傳輸函數(shù)采用 S 型正切函數(shù) tansig，輸出層神經(jīng)元傳遞函數(shù)采用 S 型對數(shù)函數(shù) logsig。0 1。0 1。0 1。0 1。0 1。0 1。 =newff(threshold,[53,24],{‘tansig’,’logsig’},’trainrp’)?？紤]到網(wǎng)絡(luò)的結(jié)構(gòu)比較復(fù)雜，神經(jīng)元個(gè)數(shù)比較多，需要適當(dāng)增大訓(xùn)練次數(shù)和學(xué) 習(xí)速率。 =。 休息日測試 代碼如下： P_test=[ ]39。 這里利用仿真函數(shù) sim 來計(jì)算網(wǎng)絡(luò)的輸出。如表 休息日預(yù)測結(jié)果對照所示，如表 工作日預(yù)測結(jié)果對照所示。 為了進(jìn)一步提高網(wǎng)絡(luò)的預(yù)測精度，需要從以下幾個(gè)方面展開研究： （ 1） 網(wǎng)絡(luò)的訓(xùn)練過程是從給定的樣本數(shù)據(jù)中歸納出輸入、輸出之間的復(fù)雜規(guī)律，為了能夠更加精確地對系統(tǒng)進(jìn)行預(yù)測，樣本數(shù)據(jù)應(yīng)該盡可能準(zhǔn)確。附加動量法是在 BP 算法的基礎(chǔ)上，在每個(gè)權(quán)值變化上加上一項(xiàng)正比于上一次權(quán)值變化量的值，并根據(jù) BP 算 本科畢業(yè)設(shè)計(jì)說明書（論文） 第 32 頁 共 41 頁 法來產(chǎn)生新的權(quán)值變化，利用附加動量法可能會避開某些局部最小值。如果沒有老師的悉心指導(dǎo)，老師的督促， 本論文也不可能完成得如此順利 。 。 。 ]39。 。 。 。 。