【正文】 45）則（546）閾值修正 （547） （548）4） 傳遞函數(shù)f(x)的導(dǎo)數(shù)S型函數(shù)則 （549） （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。下面介紹其中一種比較簡(jiǎn)單的直接逆向建模法。另一方面，在系統(tǒng)預(yù)報(bào)中，為保證參數(shù)估計(jì)算法的一致收斂，必須使用一定的持續(xù)激勵(lì)的輸入信號(hào)。對(duì)于抽樣和逼近這種非線性函數(shù)，神經(jīng)網(wǎng)絡(luò)是一種合適的方法。(2)輸入/輸出向量設(shè)計(jì)在預(yù)測(cè)日的前一天中，每1個(gè)小時(shí)對(duì)電力負(fù)荷進(jìn)行一次測(cè)量，這樣一來(lái)，一天共測(cè)得24組負(fù)荷數(shù)據(jù)。這樣一來(lái)，輸出變量就成為一個(gè)24維的向量。(3)BP網(wǎng)絡(luò)的設(shè)計(jì)本文依據(jù)人工神經(jīng)網(wǎng)絡(luò)來(lái)建模，根據(jù)BP網(wǎng)絡(luò)來(lái)預(yù)測(cè)24點(diǎn)負(fù)荷。 而輸出向量有24個(gè)，所以輸出層中的神經(jīng)元應(yīng)該有24個(gè)。0 1。0 1。0 1。（4）網(wǎng)絡(luò)訓(xùn)練計(jì)算出預(yù)測(cè)日24點(diǎn)的歸一化系數(shù)網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練后才可以用于電力負(fù)荷預(yù)測(cè)的實(shí)際應(yīng)用。 (休息日)訓(xùn)練結(jié)果(工作日)訓(xùn)練結(jié)果訓(xùn)練好的網(wǎng)絡(luò)還需要進(jìn)行測(cè)試才可以判定是否可以投入實(shí)際應(yīng)用。本文介紹的基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法，在綜合考慮天氣情況、歷史負(fù)荷和日類(lèi)型等對(duì)未來(lái)負(fù)荷影響的因素后，使用了神經(jīng)網(wǎng)絡(luò)的非線性擬合等功能，取得了較好的負(fù)荷預(yù)測(cè)效果。附加動(dòng)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算法來(lái)產(chǎn)生新的權(quán)值變化，利用附加動(dòng)量法可能會(huì)避開(kāi)某些局部最小值。但我們小組做為一個(gè)團(tuán)隊(duì)，大家相互幫助，相互鼓勵(lì)，互相監(jiān)督，共同討論和解決問(wèn)題，使論文能高質(zhì)高效的完成。對(duì)于常用的BP算法，可考慮采用遺傳算法、小波分析和徑向基函數(shù)做進(jìn)一步的深入研究。(休息日預(yù)報(bào)誤差曲線)所示,(工作日預(yù)報(bào)誤差曲線)所示。net=train(net,P,T)。其中，變量threshold用于規(guī)定輸入向量的最大值最小值，規(guī)定了網(wǎng)絡(luò)輸入向量的最大值為1，最小值為0。0 1。0 1。0 1。根據(jù)BP網(wǎng)絡(luò)來(lái)設(shè)計(jì)網(wǎng)絡(luò)，一般的預(yù)測(cè)問(wèn)題都可以通過(guò)單隱層的BP網(wǎng)絡(luò)實(shí)現(xiàn)。 目前，訓(xùn)練樣本數(shù)目的確定沒(méi)有通用的方法，一般認(rèn)為樣本過(guò)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(guò)多可能會(huì)出現(xiàn)樣本冗長(zhǎng)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(guò)剩使得網(wǎng)絡(luò)出現(xiàn)過(guò)擬合現(xiàn)象。因此，輸入變量就是一個(gè)26維的向量。3）將一周的7天每天都看做一種類(lèi)型，共有7種類(lèi)型。本文采用MATLAB軟件編程、仿真，具體過(guò)程如下所示：(1)問(wèn)題描述電力系統(tǒng)負(fù)荷短期預(yù)報(bào)問(wèn)題的解決辦法和方式可以分為統(tǒng)計(jì)技術(shù)、專(zhuān)家系統(tǒng)法和神經(jīng)網(wǎng)絡(luò)法等。為了獲得良好的逆動(dòng)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。而當(dāng)系統(tǒng)為性能評(píng)價(jià)器時(shí)，則可選擇再勵(lì)學(xué)習(xí)算法，這時(shí)網(wǎng)絡(luò)既可以采用具有全局逼近能力的網(wǎng)絡(luò)，如多層感知器，也可選具有局部逼近能力的網(wǎng)絡(luò)，如小腦模型關(guān)節(jié)控制器等。假設(shè)三層BP網(wǎng)絡(luò),輸入節(jié)點(diǎn),隱層節(jié)點(diǎn),模型的計(jì)算公式如下:隱層節(jié)點(diǎn)的輸出 （512）其中 （513）輸出節(jié)點(diǎn)的計(jì)算輸出 （514）其中 （515）輸出節(jié)點(diǎn)的誤差（516）1） 誤差函數(shù)對(duì)輸出節(jié)點(diǎn)求導(dǎo) （517）E是多個(gè)的函數(shù). 但有一個(gè)與有關(guān),各間相互獨(dú)立,其中 （518） （519）則 （520）設(shè)輸入節(jié)點(diǎn)誤差為 （521）則 （522）2）誤差函數(shù)對(duì)隱層節(jié)點(diǎn)求導(dǎo) （523）E是多個(gè)的函數(shù),針對(duì)某一個(gè),對(duì)應(yīng)一個(gè),它與所有有關(guān),其中 （524） （525） （526）則（527）設(shè)隱層節(jié)點(diǎn)誤差為 （528）則 （529）由于權(quán)值的修正,正比于誤差函數(shù)沿梯度下降,則有 （530） （531） （532） （533） （534） （535）其中隱層節(jié)點(diǎn)誤差中的表示輸出節(jié)點(diǎn)的的誤差通過(guò)權(quán)值向節(jié)點(diǎn)反向傳播成為隱層節(jié)點(diǎn)的誤差。人工神經(jīng)元模型的學(xué)習(xí)方式，其中主要三種:有導(dǎo)師學(xué)習(xí)、無(wú)導(dǎo)師學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。2）人工神經(jīng)元基本原理人工神經(jīng)元模型是生物神經(jīng)元的模擬與抽象。Hopfield網(wǎng)絡(luò)模型和Hamming網(wǎng)絡(luò)模型。假設(shè)每天全網(wǎng)最大負(fù)荷是各子區(qū)域最高溫度的函數(shù) （59）其中，為各子區(qū)域某一天最高溫度；為參數(shù)。4）讀取預(yù)測(cè)地區(qū)該預(yù)測(cè)日的最高溫度和最低溫度。函數(shù)逼近就是模糊邏輯系統(tǒng)可以在任意精度上，一致逼近任何定義在一個(gè)致密集上的非線性函數(shù)，其優(yōu)勢(shì)在于它有能夠系統(tǒng)而有效地利用語(yǔ)言信息的能力。高木關(guān)野模糊預(yù)測(cè)算法雖然已得到了很大的應(yīng)用，適用于各種復(fù)雜的建模，取得了較好的預(yù)測(cè)效果，但是它對(duì)輸入變量的要求較高等缺點(diǎn)，這必然限制了它的應(yīng)用。模糊系統(tǒng)對(duì)于任意一個(gè)非線性連續(xù)函數(shù)，就是找出一類(lèi)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)。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(hào)的最佳時(shí)頻分解。1986年，法國(guó)數(shù)學(xué)家Mayer創(chuàng)造性地構(gòu)造出了一個(gè)具有一定衰減特性的光滑函數(shù)，它的二進(jìn)制伸縮和平移系構(gòu)成L（R）的規(guī)范正交基，實(shí)現(xiàn)了信號(hào)在時(shí)頻空間同時(shí)局部化的正交分解。4）小波分析預(yù)測(cè)技術(shù)小波分析（Wavelet）是本世紀(jì)數(shù)學(xué)研究成果中最杰出的代表。但是，把專(zhuān)家知識(shí)和經(jīng)驗(yàn)等準(zhǔn)確地轉(zhuǎn)化為一系列規(guī)則是非常不容易的。在此基礎(chǔ)上，進(jìn)一步研究了離散函數(shù)光滑性，微分方程背景值、平射性等一些基本問(wèn)題，同時(shí)也考慮了有限和無(wú)限的相對(duì)性，定義了指標(biāo)集拓?fù)淇臻g的灰導(dǎo)數(shù)，最后解決了微分方程的建模問(wèn)題?；疑到y(tǒng)理論把負(fù)荷序列通過(guò)生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負(fù)荷預(yù)測(cè)?；貧w模型雖然考慮了氣象信息等因素，但需要事先知道負(fù)荷與氣象變量之間的函數(shù)關(guān)系，這是比較困難的。它利用了電力負(fù)荷變動(dòng)的慣性特征和時(shí)間上的延續(xù)性，通過(guò)對(duì)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(cè)未來(lái)負(fù)荷。短期負(fù)荷預(yù)測(cè)基本模型是指24小時(shí)的日負(fù)荷預(yù)測(cè)和168小時(shí)的周負(fù)荷預(yù)測(cè)，列舉其預(yù)測(cè)周期，知其基本變化規(guī)律可由線性變化模型和周期變化模型來(lái)描敘，日負(fù)荷至周負(fù)荷的變化，受特別事件影響明顯，對(duì)應(yīng)特別事件負(fù)荷分量模型，同附和隨機(jī)負(fù)荷分量。2）動(dòng)平均模型動(dòng)平均模型（MA）描述的過(guò)程是它的現(xiàn)在值V(t)可由其現(xiàn)在和過(guò)去的干擾值的有限項(xiàng)的加權(quán)和來(lái)表示，即 （410） 同樣，模型的階數(shù)q和系數(shù)（=1，2，…,q），由過(guò)去的歷史值通過(guò)模型辨別和參數(shù)估計(jì)決定。其特點(diǎn)是只有積累大量的事件記錄，才能從中分析出某些事件的出現(xiàn)對(duì)負(fù)荷的影響程度，從而作出特別事件對(duì)負(fù)荷的修正規(guī)則。逐小時(shí)作出日負(fù)荷變化系數(shù)的平均值，連接起來(lái)就是一天總的周期變化曲線。L12nn+1對(duì)于超短期負(fù)荷預(yù)測(cè)，B(t)近似線性變化，甚至是常數(shù)；對(duì)于短期負(fù)荷預(yù)測(cè)，B(t)一般呈周期性變化；而中長(zhǎng)期負(fù)荷預(yù)測(cè)中，B(t)呈明顯增長(zhǎng)趨勢(shì)的周期性變化。預(yù)測(cè)題目主要反映預(yù)測(cè)目標(biāo)、預(yù)測(cè)對(duì)象、預(yù)測(cè)范圍和預(yù)測(cè)時(shí)限。這種情況下，預(yù)測(cè)人員的經(jīng)驗(yàn)、理論素養(yǎng)及分析判斷能力起重要的作用。在預(yù)測(cè)中常用的分析方法有多種，如時(shí)間序列分析、因果關(guān)系分析等方法。2）搜集與整理資料。對(duì)中、長(zhǎng)期負(fù)荷預(yù)測(cè)，要特別研究國(guó)民經(jīng)濟(jì)發(fā)展、國(guó)家政策等的影響。它是進(jìn)行能源供需平衡的主要依據(jù)。 電力負(fù)荷預(yù)測(cè)的內(nèi)容及程序、電力負(fù)荷預(yù)測(cè)的內(nèi)容電力負(fù)荷預(yù)測(cè)的內(nèi)容是指需要測(cè)算些什么量（或參數(shù)），歸納起來(lái)有以下一些參數(shù)需要測(cè)算。商業(yè)負(fù)荷，主要是指商業(yè)部門(mén)的照明、空調(diào)、動(dòng)力等用電負(fù)荷，覆蓋面積大，且用電增長(zhǎng)平穩(wěn)，商業(yè)負(fù)荷同樣具有季節(jié)性波動(dòng)的特性。、電力負(fù)荷預(yù)測(cè)的意義電力用戶是電力工業(yè)的服務(wù)對(duì)象，電力負(fù)荷的不斷增長(zhǎng)是電力工業(yè)發(fā)展的根據(jù)。實(shí)際算例表明，這種方法應(yīng)用在短期負(fù)荷預(yù)測(cè)方面有較高的精度。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(guó)民經(jīng)濟(jì)的發(fā)展均有著十分重要的意義。電力系統(tǒng)負(fù)荷預(yù)測(cè)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)。利用相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)方法對(duì)未來(lái)24小時(shí)負(fù)荷進(jìn)行短期預(yù)測(cè)，該方法充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)處理非線性問(wèn)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)。較高的預(yù)測(cè)精度充分表明了它的科學(xué)合理性。城市民用負(fù)荷主要是城市居民的家用電器，它具有年年增長(zhǎng)的趨勢(shì)，以及明顯的季節(jié)性波動(dòng)特點(diǎn)，而且民用負(fù)荷的特點(diǎn)還與居民的日常生活和工作的規(guī)律緊密相關(guān)。從以上分析可知電力負(fù)荷的特點(diǎn)是經(jīng)常變化的，不但按小時(shí)變、按日變，而且按周變，按年變，同時(shí)負(fù)荷又是以天為單位不斷起伏的，具有較大的周期性，負(fù)荷變化是連續(xù)的過(guò)程，一般不會(huì)出現(xiàn)大的躍變，但電力負(fù)荷對(duì)季節(jié)、溫度、天氣等是敏感的，不同的季節(jié)，不同地區(qū)的氣候，以及溫度的變化都會(huì)對(duì)負(fù)荷造成明顯的影響。（3）需電量。④長(zhǎng)期負(fù)荷預(yù)測(cè)是指未來(lái)3～5年甚至更長(zhǎng)時(shí)間段內(nèi)的負(fù)荷預(yù)測(cè)，主要是電網(wǎng)規(guī)劃部門(mén)根據(jù)國(guó)民經(jīng)濟(jì)的發(fā)展和對(duì)電力負(fù)荷的需求，所作的電網(wǎng)改造和擴(kuò)建工作的遠(yuǎn)景規(guī)劃。預(yù)測(cè)期限是指預(yù)測(cè)的時(shí)間長(zhǎng)短，一般電力規(guī)劃中負(fù)荷預(yù)測(cè)期限有短期預(yù)測(cè)（即5年期預(yù)測(cè)），中期預(yù)測(cè)（即5—10年期預(yù)測(cè)），及長(zhǎng)期預(yù)測(cè)（即15年以上的預(yù)測(cè)）。對(duì)經(jīng)過(guò)鑒別整理后的資料要進(jìn)行分析，以尋求其規(guī)律。由于影響預(yù)測(cè)對(duì)象的諸因素可能會(huì)發(fā)生變化，從而可能使未來(lái)的實(shí)際結(jié)果與預(yù)測(cè)依據(jù)的歷史資料呈現(xiàn)的規(guī)律不相吻合，預(yù)測(cè)人員必須適時(shí)的對(duì)預(yù)測(cè)模型及預(yù)測(cè)結(jié)果加以修正。預(yù)測(cè)報(bào)告一般包括題目、摘要、正文、結(jié)論、建議、和附錄等部分。（1） 基本正常負(fù)荷分量模型不同的預(yù)測(cè)周期，B(t)分量具有不同的內(nèi)涵。其周期變化規(guī)律可以用日負(fù)荷變化系數(shù)表示： （44）其中，為一天中各小時(shí)的負(fù)荷；為當(dāng)天的日平均負(fù)荷。順序觀察每天同一時(shí)刻的負(fù)荷變化系數(shù)值，可以看出他們接近于一條水平線，這樣便可以用前幾天的同一時(shí)刻的負(fù)荷變化系統(tǒng)值的