【正文】 051 2054 14:00 2039 2050 2031 1913 2064 2063 2107 2140 15:00 2041 2075 2020 1898 2053 2043 2137 2125 16:00 2125 2176 2121 1972 2149 2157 2191 2207 17:00 2275 2313 2261 2112 2247 2263 2315 2328 18:00 2308 2354 2295 2154 2292 2298 2337 2328 19:00 2355 2434 2383 2285 2412 2439 2482 2511 20:00 2294 2331 2323 2233 2338 2331 2396 2428 21:00 2203 2215 2199 2155 2234 2276 2289 2324 22:00 2091 2174 2120 2054 2140 2136 2197 2235 23:00 1863 1941 1948 1864 1931 1908 20xx 20xx 續(xù)表 時(shí)間 13 日 14 日 15 日 16 日 17 日 18 日 19 日 20 日 0:00 1829 1877 1840 1786 1862 1727 1790 1791 1:00 1719 1748 1694 1665 1715 1651 1740 1692 2:00 1644 1693 1620 1622 1671 1569 1635 1625 3:00 1608 1625 1588 1577 1633 1520 1659 1597 4:00 1627 1614 1593 1526 1609 1531 1576 1588 5:00 1634 1670 1602 1580 1645 1549 1619 1634 6:00 1882 1837 1746 1810 1842 1816 1839 1853 7:00 1998 1910 1785 1848 1937 1873 1921 1911 8:00 2142 2055 1906 2024 2059 20xx 2061 2089 9:00 2233 2159 1984 2156 2197 2098 2136 2155 10:00 2268 2254 2091 2239 2283 2188 2221 2245 電力系統(tǒng)整點(diǎn)負(fù)荷預(yù)測研究 15 11:00 2392 2347 2227 2392 2399 2352 2355 2378 12:00 2070 2067 1955 2067 2061 20xx 2033 2096 13:00 2073 2052 1906 2054 2053 20xx 20xx 2053 14:00 2133 2101 1956 2122 2145 2049 2073 2126 15:00 2117 2088 1964 2124 2147 2056 2080 2132 16:00 2208 2215 2055 2192 2283 2144 2147 2219 17:00 2284 2356 2170 2273 2371 2256 2265 2322 18:00 2330 2331 2169 2305 2378 2297 2260 2340 19:00 2504 2396 2333 2490 2410 2450 2425 2475 20:00 2447 2335 2296 2416 2307 2385 2381 2397 21:00 2351 2263 2228 2346 2171 2311 2304 2332 22:00 2276 2175 2131 2212 2060 2184 2182 2261 23:00 2070 1980 1928 20xx 1867 1999 1955 2036 BP仿真設(shè)計(jì) 由上文可知，文中輸入節(jié) 點(diǎn)和輸出接點(diǎn)個(gè)數(shù)都為 24 個(gè)，隱層節(jié)點(diǎn)個(gè)數(shù)因?yàn)楸容^重要，直接影響著收斂精度和速度，由公式（ 41)、（ 42）和（ 43）來確定隱層節(jié)點(diǎn)個(gè)數(shù)，算出隱藏節(jié)點(diǎn)個(gè)數(shù)為 50 個(gè)，比較容易讓網(wǎng)絡(luò)收斂。},39。 電力系統(tǒng)是一個(gè)龐大復(fù)雜的系統(tǒng)，并伴隨著信息化、節(jié)能化在不斷發(fā)展，越來越多的超高壓甚至特高壓線路在不斷建設(shè)，對電力科學(xué)的要求在不斷提高，其中負(fù)荷預(yù)測技術(shù)顯得尤為重要，其精度決定著電能質(zhì)量以及電力系統(tǒng)能否為各行業(yè)提供良好的供電服務(wù)。中國電力出版社， 20xx,7. 附錄 BP 算法預(yù)測負(fù)荷的程序： a=[1702 1560 1522 1504 1509 1515 1696 1828 1970 2114 2190 2322 2065 20xx ... 2039 2041 2125 2275 2308 2355 2294 2203 2091 1863。 1829 1719 1644 1608 1627 1634 1882 1998 2142 2233 2268 福州大學(xué)本科生畢業(yè)設(shè)計(jì)（ 論文） 24 2392 2070 2073 ... 2133 2117 2208 2284 2330 2504 2447 2351 2276 2070。 1847 1716 1618 1623 1606 1633 1805 1880 2037 2146 2242 2373 2058 2034 ... 2129 2118 2210 2295 2318 2455 2398 2304 2231 2050。%輸入矩陣 expectlist=b(1:end,2:16)。%建立網(wǎng)絡(luò)， 50個(gè)隱含層節(jié)點(diǎn)， 24個(gè)輸出層節(jié)點(diǎn) =20xx0。traingd39。 b=(au0)/(U0u0)。 1790 1740 1635 1659 1576 1619 1839 1921 2061 2136 2221 2355 2033 20xx ... 2073 2080 2147 2265 2260 2425 2381 2304 2182 1955。 1726 1648 1574 1528 1541 1589 1807 1897 2066 2184 2236 2378 2055 2051 ... 2107 2137 2191 2315 2337 2482 2396 2289 2197 20xx。電子學(xué)報(bào) .. [2].盧建昌 .基于電力市場的短期負(fù)荷預(yù)測建模理論及應(yīng)用研究 .天津：天津大學(xué)博士學(xué)位 論文， 20xx,1516 [3] Niu Dongxiao， Zhang Wenlen． Adjustment grey model for load forecasting of power systems[J]． The Journal of Grey System， 1994， (6)： 127— 134． [4]. 韓鋒 .基于模糊神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測 .保定：河北農(nóng)業(yè)大學(xué)碩士學(xué)位論文， 20xx,6:56. [5] 韓力群．人工神經(jīng)網(wǎng)絡(luò)理論 ,設(shè)計(jì)及應(yīng)用 [M]．北京：化學(xué)工業(yè)出版社，20xx． 51— 56 [6]. 劉強(qiáng) .基于模糊神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測 .石家莊：河北科技大學(xué)碩士學(xué)位論文， 20xx,4 [7]. 牛東曉，曹樹華，趙磊，張文文 .電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用 [M].北京：中國電力出版社， ， ,196201. [8]. 高強(qiáng) .電力系統(tǒng)短期負(fù)荷預(yù)測 .沈陽：沈陽工業(yè)大學(xué)碩士學(xué)位論文，20xx,23. [9]. 牛東曉，曹樹華，趙磊，張文文 .電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用 [M].北京：中國電力出版社， ， ,196201. [10]. 盧崢 .電力系統(tǒng)短期負(fù)荷預(yù)測研究 .長沙： 湖南大學(xué)碩士學(xué)位論文， 20xx：78 [11] 胡啟元 . 針對電力系統(tǒng)短期負(fù)荷預(yù)測的研究： .成都：四川大學(xué)碩士學(xué)位論文， 20xx,1011 [12] 趙林明，胡浩云，魏德華等 .多層前向人工神經(jīng)網(wǎng)絡(luò) .第一版 .鄭州 :黃河水利出版社， 1999 .440. [13] Chow T W S,Leung C work based shortterm load forecasting using weather pensation [J].IEEET Ranson power. [14] 侯媛彬，杜京義，汪梅 .神經(jīng)網(wǎng)絡(luò) [M].西安：西安電子科技大學(xué)出版社，20xx,1718. 電力系統(tǒng)整點(diǎn)負(fù)荷預(yù)測研究 23 [15] 肖國權(quán)，王春，張福偉。由于參數(shù)不完整性的問題雖然獲得了一定精度，但由于樣本選取比較嚴(yán)格，所以樣本的需求量比普通的人工神經(jīng)網(wǎng)絡(luò)模型要大 [15]。39。本例不會(huì)因?yàn)闃颖具^小而導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)不穩(wěn)定、表達(dá)不充分而陷入局部極小，反而本例樣本很大，這樣增大了網(wǎng)絡(luò)訓(xùn)練次數(shù)，增長了收斂時(shí)間，數(shù)據(jù)過剩導(dǎo)致網(wǎng)絡(luò)訓(xùn)練慢。 訓(xùn)練次數(shù)的選取要看網(wǎng)絡(luò)樣本的大小，樣本越大，需要的次數(shù)就越多，樣本越小，次數(shù)就越少。初始化由函數(shù) init 來確定，在確定網(wǎng)絡(luò)結(jié)構(gòu)的 同時(shí)，這個(gè)函數(shù)會(huì)將連接網(wǎng)絡(luò)的權(quán)值閾值隨機(jī)賦值，所以每次訓(xùn)練網(wǎng)絡(luò)的輸出值都不一樣。 福州大學(xué)本科生畢業(yè)設(shè)計(jì)（ 論文） 12 第 4章 整點(diǎn)負(fù)荷預(yù)測設(shè)計(jì)及其實(shí)現(xiàn) 模型的設(shè)計(jì)及參數(shù)設(shè)定 模型的設(shè)計(jì) 首先建立一個(gè)三層的 BP 網(wǎng)絡(luò)，隱含層只有一層。對于處理大量數(shù)據(jù)的時(shí)候，矩陣也會(huì)比較龐大，用 BP 算法需要學(xué)習(xí)循環(huán)幾千次甚至上萬次才會(huì)收斂，這是它本身固有的一個(gè)缺點(diǎn)，因?yàn)樗挥芯植克阉髂芰?，容易落入局部極小點(diǎn)。具體算法步驟如下： （ 1） 對數(shù)據(jù)進(jìn)行歸一化處理，并隨機(jī)賦給所有的權(quán)值和神經(jīng)元的閾 值較小值。激 發(fā)函數(shù)一般選擇 Sigmoid 函數(shù)或雙曲函數(shù)。 由此看來，在非線性問題上和模式識(shí)別和 系統(tǒng)仿真上是有其獨(dú)特優(yōu)勢的，這類問題都可以轉(zhuǎn)化到用神經(jīng)網(wǎng)絡(luò)來處理。 （ 2） 平行分布處理。 人工神經(jīng)網(wǎng)絡(luò)是基于對人腦的組織結(jié)構(gòu)，活動(dòng)機(jī)制的初步認(rèn)識(shí)提出的一種新型信息處理體系。要保證數(shù)據(jù)的連續(xù)性和正確性。本文只充分考慮了負(fù)荷預(yù)測的周期性，也利用舊的歷史負(fù)荷數(shù)據(jù)。因此，了解未來短期內(nèi)負(fù)荷變化的一個(gè)最有效的方法，就是觀察歷史負(fù)荷記錄并進(jìn)行分析，負(fù)荷的另一個(gè)特征就是它具有按天，按周以及按季節(jié)周期性變化的特點(diǎn) [8]。特別是溫度對負(fù)荷影響最為明顯，比如在南方，夏天溫度升高，許多用戶必須使用大功率的空調(diào)，導(dǎo) 致負(fù)荷變化，增大電力系統(tǒng)的負(fù)荷。給預(yù)測結(jié)果加以一定的前提條件，更有利于用電部門使用預(yù)測結(jié)果。這就使負(fù) 荷預(yù)測具有以下明顯的特點(diǎn) [7]: （ 1） 不確定性 因?yàn)殡娏ω?fù)荷未來的發(fā)展是不肯定的，它要受到多種多樣復(fù)雜因素的影響，而且各種影響因素也是發(fā)展變化的。 第 4 章 主要介紹本文具體把神經(jīng)網(wǎng)絡(luò) BP算法應(yīng)用到某地區(qū)負(fù)荷預(yù)測上，建模并仿真以及對結(jié)果的分析。 總的來說，人工神經(jīng)網(wǎng)絡(luò)這種方法在負(fù)荷預(yù)測的時(shí)候有其獨(dú)特的優(yōu)勢，并且得到了許多專家的認(rèn)可，并取得了不錯(cuò)的成就。 （ 1）灰色理論 灰色系統(tǒng)理論是 20 世紀(jì) 80年代由我國學(xué)者鄧聚龍教授提出，用來解決信息不完備系統(tǒng)的數(shù)學(xué)方法，已在各個(gè)領(lǐng)域得到廣泛應(yīng)用。 負(fù)荷預(yù)測按時(shí)間可以分成短期負(fù)荷預(yù)測，中期負(fù)荷預(yù)測和長期負(fù)荷預(yù)測。 關(guān)鍵詞：短期負(fù)荷預(yù)測；人工神經(jīng)網(wǎng)絡(luò)； BP 算法 。負(fù)荷預(yù)測的精度的保證成為現(xiàn)在電力科學(xué)人員的重要工作，負(fù)荷預(yù)測誤差大直接導(dǎo)致導(dǎo)致成本增加，電力系統(tǒng)調(diào)度難度變大等后果。本文將利用 人工神經(jīng)網(wǎng)絡(luò)BP 算法來進(jìn)行短期負(fù)荷的預(yù)測研究，這種方法主要是利用人工神經(jīng)網(wǎng)絡(luò)的非線性逼近功能來實(shí)現(xiàn)的。 artificial neural work。 因此，從各個(gè)方面來講，電力系統(tǒng)短期負(fù)荷預(yù)測是一項(xiàng)十分重要和必不可少的工作。模糊預(yù)測技術(shù)考慮了與電力負(fù)荷諸多相關(guān)的因素，將負(fù)荷與對應(yīng)環(huán)境作為一個(gè)數(shù)據(jù) 整體進(jìn)行處理，得出負(fù)荷變化模式及對應(yīng)環(huán)境因素特征，從而將待測年環(huán)境因素特征與各歷史環(huán)境因素特征進(jìn)行比較，得出所求負(fù)荷增長率，用以求取預(yù)測年負(fù)荷 ， 所以模糊預(yù)測法是目前用于處理各種主觀因素較重、材料和數(shù)據(jù)資料不完整等不確定因素的有效方法。用 MATLAB 軟件編寫程序進(jìn)行仿真，驗(yàn)證此方法的可行性。 負(fù)荷預(yù)測的組成 在電力系統(tǒng)中，按預(yù)測周期可分為長期負(fù)荷預(yù)測、中期負(fù)荷預(yù)測和短期負(fù)荷預(yù)測以及超短期負(fù)荷預(yù)測。對于條件而言，又可分為必然條件和假設(shè)條件兩種。 影響負(fù)荷預(yù)測的因素 有很多影響負(fù)荷預(yù)測的因素，經(jīng)過多年專家的總結(jié)，分為以下幾種： （ 1）電力系統(tǒng)負(fù)荷內(nèi)部變化。一般而言節(jié)假日負(fù)荷要小于工作日