【正文】 （ 41） 其中 kx 是當(dāng)前的權(quán)值和閾值矩陣 , kg 是當(dāng)前表現(xiàn)函數(shù)的梯度 , ka 是學(xué)習(xí)速度。相互連接型網(wǎng)絡(luò)是指網(wǎng)絡(luò)中任意兩個單元之間都可以相互連接。從而可以用于以后的預(yù)測。反饋型網(wǎng)絡(luò)模型是一種反饋動力學(xué)系統(tǒng)，它具有極復(fù)雜的動力學(xué)特性。 首先計算 t=23 時段用電的前兩次平滑值 ??? ????????? ????????? )2(22)1(23)2(23)1(2223)1(23SSS SxS 然后利用前兩次平滑值計算 t=23 時段的擬合常數(shù) 2323,ba ? ?????? ??????? ?????? )( )2(23)1(2323)2(23)1(2323SSaabSSa 最后求出對 t=24 時段的預(yù)測值 4 316 5 5 3 81232324 ??????? baF 同理可得到 本科畢業(yè)設(shè)計說明書（論文） 第 18 頁 共 41 頁 ???????????????????????????? 8 465 1 4 5 162 7 6 225 1 4 5 12 5 615 1 4 5 11242430242426242425baFbaFbaF? 令預(yù)測誤差為 tti Fx ??? （ 328） 并定義平均誤差 ME ???nttnME1? （ 329） 平均絕對值誤差 MAE ???nttnMAE1? （ 330） 平均方差 MSE ???nttnMSE12? （ 331） 如果從 t=10 到 t=24 進(jìn)行誤差統(tǒng)計，則可從表 54 的計算結(jié)果得到 ????????MSEMAEME 為了利用式 （ 316） 及式 （ 318） 等，首先必須知道 )2(1)1(1, ?? tt SS 。平滑系數(shù) a 可根據(jù)最小方差的原則來決定，即選幾個 a 可能的取值分別計算平滑值與相應(yīng)實際值的均方差 ? ?? ?t tt xs2)1( /t,并選取其中均方差最小的平 滑系數(shù) a。實際上，由式 (310)可知 ????? 11 t nti it xnF （ 311） 式 （ 310） 減去 （ 311） 得 ntttt xnxnFF ?? ??? 111 （ 312） 令 tF 代替式中 ntx? ， na 1? 即可得到 ttt FaaxF )1(1 ???? （ 313） )(1 tttt FxaFF ???? （ 314） 該式可以被理解為下一時刻的預(yù)測值等于本時刻預(yù)測值再加上一個誤差修正項，這就是一次指數(shù)平滑法。 已知原始數(shù)據(jù)如表 所示，現(xiàn)欲用拋物線對其進(jìn)行擬合（將離散點畫到圖上得拋物線） 2210 xaxaay ??? 試用最小二乘法確定其系數(shù) 10,aa 和 2a 。例如將表 的離散點畫標(biāo)在坐標(biāo)紙上可看出這些離散點用拋物線開擬合 ,即可選擇 2210)( xaxaaxy ???? ? （ 32） 當(dāng)選定了函數(shù)類型之后，就要確定其中的常數(shù) 210 , aaa ?，F(xiàn)在用 i? 表示近似函數(shù)在 ix 點的誤差 )()( iii xfx ?? ?? （ i=1， 2， …… ， n） 在一般情況下使用 i? （ i=1， 2， …… ， n） 全都為零是不可能的。附錄主要包括說明正文的附表、資料，預(yù)測中采用的計算方法的推導(dǎo)和說明，以及正文中未列出的有價值的其他資料 [12]。若誤差太大，就失去了預(yù)測的意義，并從而導(dǎo)致電力規(guī)劃的失誤。如果是采用定量預(yù)測方法來進(jìn)行預(yù)測，就要根據(jù)建立的定量預(yù)測模型，帶入預(yù)測期的自變量目標(biāo)值，就可以獲得預(yù)測期所要的預(yù)測變量值。因此，在調(diào)查搜集資料的過程中對搜集得到的資料應(yīng)進(jìn)行鑒別，去粗取精，去偽存真，以保證預(yù)測中使用的資料翔實可靠。確定目標(biāo)就是要在明確預(yù)測目的前提下，規(guī)定預(yù)測對象的范圍、內(nèi)容和預(yù)測期限。 負(fù)荷預(yù)測根據(jù)目的的不同可以分為 短期 、中期和長期： ① 超 短期 負(fù)荷預(yù)測是指未來 1h 以內(nèi)的負(fù)荷預(yù)測，在安全監(jiān)視狀態(tài) 下，需要 5～ 10s 或 1～ 5min 的預(yù)測值，預(yù)防性控制和緊急狀態(tài)處理需要 10min 至 1h 的預(yù)測值。有功負(fù)荷的分布是輸電線路設(shè)計的基礎(chǔ)，也是變電所配置的基礎(chǔ)，即有功負(fù)荷的地區(qū)分布特點是輸變電規(guī)劃和配電規(guī)劃的主要依據(jù)。 (2) 學(xué)習(xí)有關(guān)負(fù)荷預(yù)測的基礎(chǔ)知識。其優(yōu)于傳統(tǒng)的 Fourier 分析的主要之處在于：能對不同的頻率成分采用逐漸精細(xì)的采樣步長，從而可以聚焦到信號的任意細(xì)節(jié)，尤其是對奇異信號很敏感，能很好的處理微弱或突變的信號，其目標(biāo)是將一個信號的信息轉(zhuǎn)化成小波系數(shù)，從而能夠方便地加以處理、存儲、傳遞、分析或被用于重建原始信號。 1988 年， Daubechies 構(gòu)成出了具有有限支撐的正交小波基。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，并且在信號處理、圖象處理、模式識別、地震預(yù)報、故障診斷、狀態(tài)監(jiān)視、 CT 成象、語 本科畢業(yè)設(shè)計說明書（論文） 第 5 頁 共 41 頁 言識別、雷達(dá)等十幾個科學(xué)領(lǐng)域中得到應(yīng)用。所以，一個完整的專家系統(tǒng)是有四部分組成的，即知識庫、推理機(jī)、知識獲取部分和解釋界面。后來，他接受了全國糧食預(yù)測的課題 ，為了搞好預(yù)測工作，他研究了概率統(tǒng)計追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢，而時間序列法只致力于數(shù)據(jù)的擬合，不注重規(guī)律的發(fā)展。 現(xiàn)代負(fù)荷預(yù)測方法 20 世紀(jì) 80 年代后期，一些基于新興學(xué)科理論的現(xiàn)代預(yù)測方法逐漸得到了成功應(yīng)用。 經(jīng)典預(yù)測方法 （ 1） 時間序列法 本科畢業(yè)設(shè)計說明書（論文） 第 3 頁 共 41 頁 時間序列法是一種最為常見的短期負(fù)荷預(yù)測方法，它是針對整個觀測序列呈現(xiàn)出的某種隨機(jī)過程的特性，去建立和估計產(chǎn)生實際序列的隨機(jī)過程的模型，然后用這些模型去進(jìn)行預(yù)測。較高的預(yù)測精度充分表明了它的科學(xué)合理性。其中首先根據(jù)實際經(jīng)驗將一周的 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)測負(fù)荷歸一化系數(shù)； 最后通過最小二乘法預(yù)測日最大負(fù)荷和日最小負(fù)荷 。中、短期負(fù)荷預(yù)測是隨著電力系統(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。 電力系統(tǒng)短期負(fù)荷預(yù)測對未來 1 日至 1 周的負(fù)荷進(jìn)行預(yù)測，而中期負(fù)荷預(yù)測則是對未來 一月至一年的負(fù)荷進(jìn)行預(yù)測的。 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)測方法 [1]。本文中基于神經(jīng)網(wǎng)絡(luò)的電 力 短期 負(fù)荷預(yù)測就是在大量有關(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點的具體負(fù)荷 [5]。 國內(nèi)外電力負(fù)荷預(yù)測研究的現(xiàn)狀 電力負(fù)荷預(yù)測分為經(jīng)典預(yù)測方法和現(xiàn)代預(yù)測方法 [6]。隨著人工智能技術(shù)逐步被引 入到短期負(fù) 荷預(yù)測中，人們已經(jīng)提出了多種基于人工智能的預(yù)測方法，其中最為典型的為基于各種人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測方法 ，其中以神經(jīng) BP 算法為代表。早年鄧教授從事控制理論和模糊系統(tǒng)的研究，取得了許多成果。 專家系統(tǒng)是一個用基于知識的程序設(shè)計方法建立起來的計算機(jī)系統(tǒng)（在現(xiàn)階段主要表現(xiàn)為計算機(jī)系統(tǒng)），它擁有某個特殊領(lǐng)域內(nèi)專家的知識和經(jīng)驗，并能像專家那樣運(yùn)用這些知識，通過推理，在那個領(lǐng)域內(nèi)作出 智能決策。它作為數(shù)學(xué)學(xué)科的一個分支，吸取了現(xiàn)代分析學(xué)中諸如泛函分析、數(shù)值分析、 Fourier 分析、 樣條分析、調(diào)和分析等眾多分支的精華，并包羅了它們的特色。他為小波理論的形成和完善作出了重大貢獻(xiàn)，是小波理論的奠基人之一。 小波分析是一種時域 —— 頻域分析方法，它在時域和頻域上同時具有良好的局部化性質(zhì)，并且能根據(jù)信號頻率高低自動調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細(xì)小部分。 通過這一段時間的學(xué)習(xí)和研究主要工作為以下幾個方面的內(nèi)容和要求： (1) 廣泛閱讀有關(guān)電力系統(tǒng)負(fù)荷預(yù)測方面的書籍和文獻(xiàn)資料，分析并整理有關(guān)資料。有功負(fù)荷，加上電網(wǎng)中損失的有功和發(fā)電廠自用有功量，再加上適量的備用容量，就等于電力系統(tǒng)的裝機(jī)容量。它是確定電力系統(tǒng)中電源結(jié)構(gòu)、調(diào)峰容量需求、運(yùn)行方式 及能源平衡的主要依據(jù)。 （ 1） 確定預(yù)測目標(biāo)。資料的來源統(tǒng)計計算口徑及調(diào)查方法不同，都有對資料的可信 度產(chǎn)生不同的影響。 實施預(yù)測階段 在進(jìn)行預(yù)測時，要依據(jù)選擇的預(yù)測方法來進(jìn)行預(yù)測。務(wù)使預(yù)測誤差處于可接受的范圍內(nèi)。結(jié)論與建議是扼要地列出預(yù)測的主要結(jié)果，提出有關(guān)建議和意見。 假定我們選定函數(shù) )(x? 來逼近 f(x)，則兩者之間的誤差應(yīng)越小越好。 選擇合適的曲線類型主要是根據(jù)經(jīng)驗，或把離散點畫在坐標(biāo)紙上，進(jìn)行觀察分析，找到一個比較接近的曲線類型?？梢宰C明，該矩陣為非奇異矩陣，故式（ 39）有唯一解 [13]。 指數(shù)平滑法是從移動算術(shù) 平均法演變而來的。 一般來說，一次指數(shù)平滑法和移動算術(shù)平均法一樣只適用于具有水平趨勢的時間序列。下面我們以根據(jù) t=23 時段用電量預(yù)計 t=24 時段用電量為例說明我們的研究的具體步驟。二維的簡單人工神經(jīng)網(wǎng)絡(luò)按網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可分為兩類 :前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。即通過這些權(quán)值使神經(jīng)網(wǎng)絡(luò)具有了一定的記憶功能，可以對數(shù)據(jù)的規(guī)律進(jìn)行記憶 (信息保存在權(quán)值中 )。分層網(wǎng)絡(luò)是將一個神經(jīng)元網(wǎng)絡(luò)模型中的所有神經(jīng)元按功能分為若干層，一般有輸入層、中間層和輸出層。神經(jīng)元網(wǎng)絡(luò)的工作過程有許多種形式，比如回想和分類。顯然，這是一個典型的有教師學(xué)習(xí)問題，實際 本科畢業(yè)設(shè)計說明書（論文） 第 22 頁 共 41 頁 系統(tǒng)作為教師，向神經(jīng)網(wǎng)絡(luò)提供算法所需的期望輸出。但是如果所辨別的非線性系統(tǒng)是不可逆的，利用上述方法，將得到一個不正確的逆模型。同時，由于受天氣、節(jié) 假日等特殊情況的影響，又使負(fù)荷變化出現(xiàn)差異。 在對短期負(fù)荷進(jìn)行預(yù)報前，一個特別重要的問題是如何劃分負(fù)荷類型或日期 類型。因此，還需要通過天氣預(yù)報等手段獲得預(yù)測日的最高和最低溫度。如果從提高網(wǎng)絡(luò)精度的角度出發(fā)，一方面可以增加網(wǎng)絡(luò)訓(xùn)練樣本的數(shù)目，另一方面還可以增加輸入向量的維數(shù)。本文由于輸入向量有 26 個元素，所以網(wǎng)絡(luò)輸入層的神經(jīng)元有 26 個，經(jīng)過多次 訓(xùn)練網(wǎng)絡(luò)中間層的神經(jīng)元可以取 53 個。0 1。0 1。0 1。 ‘trainrp’表示設(shè)定網(wǎng)絡(luò)的訓(xùn)練函數(shù)為 trainrp ,它采用 BP 算法進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)。 1 238 24 n 1 2 24 輸出層 隱 層 輸入層 本科畢業(yè)設(shè)計說明書（論文） 第 26 頁 共 41 頁 1000 訓(xùn)練代碼如下： =1000。 工作日測試代碼如下： P_test=[ ]39。 表 工作日預(yù)測結(jié)果對照 預(yù)測時段 實際值 /MW 預(yù)測值 /MW 誤差 /% 1： 00 2： 00 3： 00 4： 00 5： 00 6： 00 7： 00 8： 00 9： 00 10： 00 11： 00 12： 00 13： 00 14： 00 15： 00 16： 00 17： 00 18： 00 19： 00 20： 00 21： 00 22： 00 23： 00 24： 00 從表 可見， 18 個點的誤差的絕對百分誤差小于 5%，最小絕對百分誤差為 本科畢業(yè)設(shè)計說明書（論文） 第 31 頁 共 41 頁 %，最大絕對百分誤差為 %，平均絕對百分誤差為 %，表明預(yù)測取得了較滿意的結(jié)果。 致 謝 在論文完稿之際，首先我要向指導(dǎo)老師 教授 表示衷心的感謝。