【正文】 來引起了越來越多的人關注，提出了多種對象模型、語言，設計了各種類型庫，使得面向對象程序設計逐步成為熱點。本課題主要用到MATLAB中的神經網絡工具箱，圖形用戶界面以及Simulink神經網絡設計模塊。溫度以28℃為分界，低于28℃每相差4℃為一檔，高于28℃每相差2℃為一檔。對氣候溫度突變條件下的預測值進行以下原則的處理：先判斷是否存在氣候溫度同時差，如存在，將氣候溫度同時差值除以實際值得到差比，然后將預測值加上差比預測值，得到最后的預測值；如不存在，轉求相對氣候溫度同時差及差比，經同樣處理后得到最后的預測值。MATLAB具有數值計算，數據可視化功能和易于使用的編程開發(fā)環(huán)境，典型的應用包括工程計算，算法開發(fā)，建模和仿真，數據分析和可視化應用程序開發(fā)等。3)多態(tài)性。B優(yōu)化算法。仿真技術更多的是應用于在生產過程中，在本文的應用在于建立一個模型，這一模型是面向具體的問題和算法。具體方法介紹如下：設為原始數列，若離散度較大，則可取 比較每一個原始數據，若滿足則取。因此，認為新生成的序列滿足下面一階線性微分方程模型： 根據導數的定義，可得：表示成離散形式：　其中，只是能取時刻k和k+1的平均值，即：因此，式可以改寫為：由上式可以推出可簡寫為： 其中：E ——為誤差項。第二,而相關分析是因素間數組的比較。 ⑵對語言模型中潛在的各種因素進行因果關系分析，找出影響事物發(fā)展的因果關系。殘差檢驗是按點檢驗，關聯(lián)度檢驗是建立的模型與指定函數之間近似性的檢驗，后驗方差檢驗是殘差分布隨機特性的檢驗。由于系統(tǒng)被噪音污染后，所以原始數據序列呈現出離亂的情況，這種離亂的數列也是一種灰色數列，或者灰色過程，對灰色過程建立模型，便成為灰色模型。 ③ 最少信息原理 灰色系統(tǒng)理論的特色是研究不確定性問題。預測所采用的基本數學方法是建立狀態(tài)方程，并進行異常點的預測。這種建模方法為本征性灰色系統(tǒng)的實體化、物理化找到了途徑，把自然科學的實驗手段和方法移植到抽象系統(tǒng)；同時把工程技術系統(tǒng)的微分、積分、慣性等概念用于社會經濟系統(tǒng)，從而在社會科學與自然科學之間架起橋梁。本征灰色系統(tǒng)不可能有實在的反映運行機制的模型，只可能通過分析、推導、構思等方法獲得同構模型。對于短期負荷預測來說，預測前后的環(huán)境和主要條件都不隨時間的推移而變化，即這個過程在某一固定平均值的水平上保持平衡，此過程為平穩(wěn)隨機過程，而非平穩(wěn)隨機過程則不是這樣的。這種分析可以用專家系統(tǒng)方法來實現，也可以簡單的用人工修正來實現。在溫度與負荷的各種關系中，日總電量隨日平均溫度變化的離散圖能直觀地反映出溫度對負荷的影響。另外在計算差異度或相似度時，由于各個特征量的量綱各不相同，因此需要把不同量綱的數據進行歸一化處理(具體的過程可參考第四章)，使各個量之間可以有數值上的可比性，從而方便差異度或相似度的計算。從中不難看出人們的生活規(guī)律對負荷影響。不難看出每周的負荷都具有類似的變化規(guī)律。在不考慮其她負荷分量的情況下，負荷的規(guī)律性體現的尤其明顯，分為負荷的日周期性、周周期性、年周期性及節(jié)假日特性。⑶異?；蛱厥馐录摵煞至? 異?；蛱厥馐录摵煞至渴关摵擅黠@偏離典型負荷特性，如政治事件、系統(tǒng)故障、限電、特別電視節(jié)目等。線性變化描述日平均負荷變化規(guī)律，而周期變化描述以24小時為周期的變化規(guī)律。所以了解負荷的特性對掌握負荷預測本質，提高負荷預測的精度有重要的意義，尤其是對精度要求較高的短期負荷預測。缺點是：1） 權重的確定比較困難；2） 不可能將所有在未來起作用的因素全包含在模型中，在一定程度上限制了預測精度的提高。優(yōu)點是：1）可以模仿人腦的智能化處理；2）對大量非結構性、非精確性規(guī)律具有自適應功能；3）具有信息記憶、自主學習、知識推理和優(yōu)化計算的特點。此法的優(yōu)點是：1） 能匯集多個專家的知識和經驗，最大限度地利用專家的能力；2） 占有的資料、信息多，考慮的因素也比較全面，有利于得出較為正確的結論?；疑A測的優(yōu)點：要求負荷數據少、不考慮分布規(guī)律、不考慮變化趨勢、運算方便、短期預測精度高、易于檢驗。⑹灰色模型法缺點是：1）規(guī)劃水平年的工農業(yè)總產值很難詳細統(tǒng)計；2）用回歸分析法只能測算出綜合用電負荷的發(fā)展水平，無法測算出各供電區(qū)的負荷發(fā)展水平，也就無法進行具體的電網建設規(guī)劃。缺點是：需做大量細致的調研工作?！　⊥馔品ㄓ芯€性趨勢預測法、對數趨勢預測法、二次曲線趨勢預測法、指數曲線趨勢預測法、生長曲線趨勢預測法。⑵趨勢外推法⑴單耗法負荷預測不足可能會導致用電緊張和系統(tǒng)運行安全性下降，因而由費用高的機組來承擔負荷或者從鄰近的電網買入價格較高的電能。負荷預測包括兩方面的含義：對未來需求量(功率)的預測和未來用電量(能量)的預測。模糊系統(tǒng)不管其是如何進行計算的,從輸入輸出的角度講它是一個非線性函數?；疑到y(tǒng)理論把負荷序列通過生成變換,使其變化為有規(guī)律的生成數列再建模,用于負荷預測，本文即用了此方法。時間序列預測方法可分為確定型和隨機型兩類, 確定型時間序列作為模型殘差用于估計預測區(qū)間的大小, 隨機型時間序列預測模型可以看作一個線性濾波器。即預測對象的未來發(fā)展就是系統(tǒng)整體的動態(tài)發(fā)展，而且整個系統(tǒng)的動態(tài)發(fā)展與它的各個組成部分和影響因素之間的相互作用和相互影響有關。電力系統(tǒng)的發(fā)展變化同樣存在著慣性，如某些負荷指標會以原來的趨勢和特性保持下來，延續(xù)下去。電網負荷由基本負荷、天氣敏感負荷和隨機負荷組成。這就使負荷預測具有以下明顯的特點。數據的水平處理即在進行分析數據時, 將前后兩個時間的負荷數據作為基準,設定待處理數據的最大變動范圍, 當待處理數據超過這個范圍, 就視為不良數據, 采用平均值的方法平穩(wěn)其變化。負荷預測工作的關鍵在于收集大量的歷史數據, 建立科學有效的預測模型, 采用有效的算法, 以歷史數據為基礎, 進行大量試驗性研究, 總結經驗,不斷修正模型和算法, 以真實反映負荷變化的規(guī)律。負荷預測依其運用領域可分為：運轉規(guī)劃、電源開發(fā)及電力系統(tǒng)規(guī)劃等三種，其不同應用領域所需負荷預測之內容亦不盡相同。我們還討論了影響預測的準確性的因素，如氣象資料，時間因素，顧客等級，以及經濟和終端使用的因素。有負荷預測有兩個好處：用概率的形式：（一）能不能達到一個更準確的預測，每小時所得采用多種自由組合，例如，將他們平均。據我們所知，沒有一個眾所周知的先驗條件，可以偵測可預測的方法更適合于某一特定的負荷區(qū)的。4 未來的研究方向在這一章中我們已經討論過幾個統(tǒng)計與人工智能技術已經開發(fā)出來用于短期，中期和長期電力負荷預測。描述的方法可以應用到中期和長期預測。雖然歷史負荷可能沒用，該軟件適用于過去一年模式，以歷史氣象資料來估計明年的峰值分布。特別的，著名的效應即所謂熱浪說，在天氣炎熱時使用冷氣機，持續(xù)數天來估計氣象因子f(w)時，我們采用了回歸模型f(w) = β0 +_βjXj ,XJ是目前和以往的氣象參數非線性功能的解釋性變量，β0。對特定領域，與公用事業(yè)的平均特點可能有所不同，所以未必有用。在這個框架內，其中一種選擇是集料的計量方式，在不同的部門（住宅，商業(yè)，工業(yè)等）消費時，將作為一個天氣，經濟和其他變量函數的計算公式，然后用最近的歷史數據來估計。理想的說，這種做法是十分正確的。最終建模法，經濟計量模型法，以及他們的組合在中期和長期負荷預測中是最常用的。作者報告說，可采取這種形式L = Ln 負荷由于功能不同的因素，如時間，天氣，以及顧客階層。一個電力負荷預測調查表示，13個利用溫度，而只有3個利用了溫度和濕度，3個利用額外的氣象參數， ，兩種復合天氣變函數， thi （溫度，濕度指數） 和wci （風寒冷指數） ，已廣泛用于公用事業(yè)公司。平時的負載也可以有所不同。發(fā)展和改善適當的數學工具，將促使開發(fā)更準確的負荷預測技術。短期負荷預測方法可以幫助估計負荷流動，并作出決定，可以防止超載。例如，對于一個特定區(qū)域，我們可以預測第二天的負荷，準確性可達到13％。導言 為電力負荷預測制定一個精確的模型對一個公用事業(yè)公司的運作和規(guī)劃是必不可少的。也有可以根據業(yè)界慣例，預測所謂天氣正常化負荷，它將代替平均每年最高的氣候條件或者比這個給定地區(qū)平均最高的天氣條件差一些。在放松管制的經濟下，基于長期預測的資本性支出的決定，比在那個加息有可能由資本開支項目決定的非開放的經濟體系更加重要。 這里我們只是提了在發(fā)展計算機化的氣象預報系統(tǒng)中的重大進展，其中包括由大學開發(fā)和支持的中尺度模式MM5。在今年夏天的時候尤為如此。因此，大部分公用事業(yè)按階級基礎區(qū)分負荷是否為一類。介紹了一種添加劑的模式，采取的形式為預測負荷作為函數的四個組成部分： L = Ln + Lw + Ls + Lr,其中L是總負荷， LN代表正常的一部分負荷，這是一套標準化的負荷形狀來衡量每一個型，已被確定為發(fā)生在整個一年中任一天，Ls代表著天氣敏感的部分負載， LS是一項特別活動的組成部分，創(chuàng)造偏離了正常負荷的可觀模式，及LR 。 Fr,LN是正常的（基本）的負荷，FW，Fs是校正因子，Fr是一個確定的常數可以增加或減少總的負荷。這些模型經常結合最終建模法。最終用途預測需要較少的歷史數據，但需要很多有關客戶和裝備的信息。最終用途和電子方法，需要大量家電，顧客，經濟學等的相關資料，其應用比較復雜，需要人的參與。研究的重點是夏季數據。我們已應用到許多領域，用戶在5萬和25萬之間。 。類似天的方法。研究人員也應調查適用于發(fā)達的模型和算法的范圍。不過，在氣象預報中最重要的是最近的事態(tài)發(fā)展，就是所謂合奏的方式，它由多運算的預測組成。從適當的數學模型，即知識的需求分布來產生比知識預期的需求更多的成本效益。舉例說那些所謂合奏的方式都可以使用。因此精確的短期負載預測，可以提供電力規(guī)劃人員評估發(fā)電成本及供電可靠度的參考指標，即能避免限電危機以及電力能源的浪費。挑選資料時的標準要直接、可靠并且是最新的資料。當由于模型選擇不當而造成預測誤差過大時,就需要改換模型, 必要時, 還可同時采用幾種數學模型進行運算, 以便對比、選擇。 ⑵條件性:各種負荷預測都是在一定的條件下作出的，對于條件而言，又可分為必然條件和假設條件兩種。這就是預測活動的基本原理。在很多情況下，作為預測對象的一個事物，其現在的發(fā)展過程和發(fā)展狀況可能與另一事物過狀況相類似，人們就根據后一事物的己知發(fā)展過程和狀況，來預測所預測對象的未來發(fā)展過程和狀況，這就是相似性原理。 經典預測方法(1)趨勢外推法趨勢外推法就是根據負荷的變化趨勢對未來負荷情況作出預測。利用數理統(tǒng)計中的回歸分析方法, 通過對變量的觀測數據進行分析, 確定變量之間的相互關系, 從而實現預測。(3)神經網絡理論神經網絡理論是利用神經網絡的學習功能,讓計算機學習包含在歷史負荷數據中的映射關系,再利用這種映射關系預測未來負荷。②短期負荷預測是指日負荷預測和周負荷預測,分別用于安排日調度計劃和周調度計劃, 包括確定機組起停、水火電協(xié)調、聯(lián)絡線交換功率、負荷經濟分配、水庫調度和設備檢修等, 對短期負荷預測, 需充分研究電網負荷變化規(guī)律, 分析負荷變化相關因子, 特別是天氣因素、日類型等和短期負荷變化的關系。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，一般而言短期（數小時至數周）負載預測是應用于負載管理、經濟調度、發(fā)電預定、機組發(fā)電排程以及污染控制等之重要參考依據，短期負荷預測不再僅僅是EMS的關鍵部分，同時也是制定電力市場交易計劃的基礎。節(jié)煤、節(jié)油和降低發(fā)電成本。采用單耗法預測負荷前的關鍵是確定適當的產品單耗或產值單耗。這就是趨勢外推法?！　』貧w預測是根據負荷過去的歷史資料，建立可以進行數學分析的數學模型?！　r間序列法就是根據負荷的歷史資料，設法建立一個數學模型，用這個數學模型一方面來描述電力負荷這個隨機變量變化過程的統(tǒng)計規(guī)律性；另一方面在該數學模型的基礎上再確立負荷預測的數學表達式，對未來的負荷進行預測。分為普通灰色系統(tǒng)模型和最優(yōu)化灰色模型兩種。⑺德爾菲法實踐證明，精確的負荷預測不僅需要高新技術的支撐，同時也需要融合人類自身的經驗和智慧。⑼神經網絡法⑽優(yōu)選組合預測法　　小波分析是一種時域頻域分析法，它在時域和頻域上同時具有良好的局部化性質，并且能根據信號頻率高低自動調節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖像的任意細小部分。因此，在進行電力系統(tǒng)的短期負荷預測時，針對負荷變化的這些特點，既要充分分析、掌握并利用其規(guī)律性，又要兼顧各種因素的影響。不同組成的負荷在這兩方面的差異決定了它們的負荷特性及對影響因素的響應特性互不相同。⑷隨機負荷分量 隨機負荷分量是負荷中的不可解釋成分，可通過負荷預測的模型和算法來考慮這些隨機負荷分量。 某市兩天工作日負荷曲線在實際系統(tǒng)中，通常根據負荷變化規(guī)律的不同將每日內的負荷分為峰荷、谷荷、腰荷三個時段的負荷。究其原因，這主要是因為負荷組成和人們的生活規(guī)律決定。 典型負荷分量的這些特性是具有通用性，不僅可以從省級負荷看出，而且從地區(qū)的負荷數據中也可以推知。例如，工業(yè)負荷和城鄉(xiāng)居民生活用電這兩類負荷隨季節(jié)的波動較小:而其它事業(yè)用電及農業(yè)用電負荷在系統(tǒng)總負荷的所占比例隨季節(jié)變化發(fā)生顯著變化，具有明顯的季節(jié)變化特性。在本論文中，將溫度作為影響負荷的主要因素處理，將其量化成一定輸入變量，利用神經網絡強大的非線性趨近能力，獲得由不同溫度所引起的變化。乘子模型，是用一乘子來表示特殊事件對負荷的影響程度，一般接近于1，那么，特殊事件負荷分量為： (2—5)疊加模型，是直接把特殊事件引起的負荷變化值當成特殊事件的負荷分量,即 (2—6) 在短期負荷預測中，負荷的隨機變化因素很重要，是不可能忽略的。它既包含大量的己知信息