【正文】 …………………………………………1電力負(fù)荷預(yù)測(cè)綜述 …………………………………………3…………………………………………3 2　電力負(fù)荷預(yù)測(cè)的意義……………………………………22. 電力負(fù)荷分析…………………………………………………4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)的程序………………………………………7電力負(fù)荷預(yù)測(cè)模型及基本算法………………………………電力負(fù)荷預(yù)測(cè)模型……………………………………………電力負(fù)荷預(yù)測(cè)基本算法…………………………………… 13電力短期負(fù)荷預(yù)測(cè)研究…………………………………………1基于溫度準(zhǔn)則的外推方法……………………………………18…………………………………21電力系統(tǒng)短期負(fù)荷預(yù)測(cè)建模及MATLAB實(shí)現(xiàn)……………………2基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)原理…………………………………… 2電力系統(tǒng)短期負(fù)荷預(yù)測(cè)建模及MATLAB實(shí)現(xiàn)…………………27結(jié)束語………………………………………………………………36參考文獻(xiàn)……………………………………………………………… 36引言電力系統(tǒng)短期負(fù)荷預(yù)測(cè)對(duì)未來1日至1周的負(fù)荷進(jìn)行預(yù)測(cè)。人工智能方法包括人工神經(jīng)網(wǎng)絡(luò)法、專家系統(tǒng)方法和模糊推理方法、小波分析等。電力負(fù)荷預(yù)測(cè)中的負(fù)荷概念是指國(guó)民經(jīng)濟(jì)整體或部門或地區(qū)對(duì)電力和電量消費(fèi)的歷史情況及未來的變化發(fā)展趨勢(shì)。本文運(yùn)用神經(jīng)網(wǎng)絡(luò)對(duì)某市某年某月某日進(jìn)行電力負(fù)荷的短期預(yù)測(cè)，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)。農(nóng)村負(fù)荷則是指農(nóng)村居民用電和農(nóng)業(yè)生產(chǎn)用電。有功負(fù)荷的分布是輸電線路設(shè)計(jì)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(diǎn)是輸變電規(guī)劃和配電規(guī)劃的主要依據(jù)。負(fù)荷預(yù)測(cè)根據(jù)目的的不同可以分為超短期、短期、中期和長(zhǎng)期：①超短期負(fù)荷預(yù)測(cè)是指未來1h以內(nèi)的負(fù)荷預(yù)測(cè)，在安全監(jiān)視狀態(tài)下，需要5～10s或1～5min的預(yù)測(cè)值，預(yù)防性控制和緊急狀態(tài)處理需要10min至1h的預(yù)測(cè)值。確定目標(biāo)就是要在明確預(yù)測(cè)目的前提下，規(guī)定預(yù)測(cè)對(duì)象的范圍、內(nèi)容和預(yù)測(cè)期限。資料的來源統(tǒng)計(jì)計(jì)算口徑及調(diào)查方法不同，都有對(duì)資料的可信度產(chǎn)生不同的影響。（2）實(shí)施預(yù)測(cè)階段在進(jìn)行預(yù)測(cè)時(shí)，要依據(jù)選擇的預(yù)測(cè)方法來進(jìn)行預(yù)測(cè)。務(wù)使預(yù)測(cè)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(cè)的主要結(jié)果，提出有關(guān)建議和意見。短期負(fù)荷日均值接近于常數(shù)，長(zhǎng)期負(fù)荷年均值增長(zhǎng)較大，甚至需要用非線性模型（二次或指數(shù)函數(shù)）描述。（1） 天氣敏感負(fù)荷分量模型影響負(fù)荷的天氣因素，有溫度、濕度、風(fēng)力、陰晴等，這里以溫度為例說明天氣敏感負(fù)荷模型。乘子模型，是用一個(gè)乘子k來表示特別事件對(duì)負(fù)荷的影響程度，k一般接近于1，那么，特別事件負(fù)荷分量為 （47）疊加模型，是直接把特別事件引起的負(fù)荷變化值當(dāng)成特別事件負(fù)荷分量，即 （48）（4）隨機(jī)負(fù)荷分量模型上述各分量的數(shù)學(xué)模型，都不適應(yīng)于隨機(jī)負(fù)荷分量。具有周期變化規(guī)律的非平穩(wěn)時(shí)間序列V(t)，它按固定的周期T呈現(xiàn)的規(guī)律變動(dòng)。詳細(xì)地考慮特別事件（天氣）負(fù)荷分量，是一件復(fù)雜的工作，可以專門用專家系統(tǒng)來做實(shí)際工作中一般做適當(dāng)簡(jiǎn)化，目前，常把特別事件和天氣對(duì)負(fù)荷的影響分開考慮，特別事件用前已講過的乘子模型或疊加模型考慮；天氣變化對(duì)負(fù)荷的影響，一般主要考慮溫度影響，把負(fù)荷看作是溫度的函數(shù)，由歷史負(fù)荷數(shù)據(jù)和溫度記，通過線性同歸的辦法，來確定其關(guān)系。時(shí)間列模型的缺點(diǎn)在于不能充分利用對(duì)負(fù)荷性能有很大影響的氣候信息和其他因素，導(dǎo)致了預(yù)報(bào)的不準(zhǔn)確和數(shù)據(jù)的不穩(wěn)定。（2）現(xiàn)代負(fù)荷預(yù)測(cè)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(cè)方法逐漸得到了成功應(yīng)用。后來，他接受了全國(guó)糧食預(yù)測(cè)的課題，為了搞好預(yù)測(cè)工作，他研究了概率統(tǒng)計(jì)追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢(shì)，而時(shí)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。所以，一個(gè)完整的專家系統(tǒng)是有四部分組成的，即知識(shí)庫、推理機(jī)、知識(shí)獲取部分和解釋界面。誤差反向傳播算法又稱為BP法，提出一個(gè)簡(jiǎn)單的三層人工神經(jīng)網(wǎng)絡(luò)模型，就能實(shí)現(xiàn)從輸入到輸出間非線性映射任何復(fù)雜函數(shù)關(guān)系。小波分析方法的提出，可以追溯到1910年Harr提出的“小波”規(guī)范正交基及1938年LittlewoodPaley對(duì)Fourier變換的相位變化本質(zhì)上不影響函數(shù)的LP理論。它在數(shù)學(xué)信號(hào)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。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(cè)問題的研究。這是一種簡(jiǎn)單易行的易于理解的算法，因?yàn)樗莻€(gè)順序生成過程，無需反復(fù)學(xué)習(xí)，因此，這個(gè)方法同樣具有模糊系統(tǒng)優(yōu)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的一大優(yōu)點(diǎn)，即構(gòu)造起來既簡(jiǎn)單又快速。但主要缺點(diǎn)是模型精度不高，訓(xùn)練時(shí)間太長(zhǎng)。電力短期負(fù)荷預(yù)測(cè)研究、基于溫度準(zhǔn)則的外推方法對(duì)于日負(fù)荷預(yù)測(cè)來說，工作日和休假日負(fù)荷曲線差別明顯，其次，天氣因素，特別是溫度對(duì)負(fù)荷有較大的影響，由此，采用基于溫度準(zhǔn)則的外推方法，首先根據(jù)過去數(shù)個(gè)同類型日得出預(yù)測(cè)日的負(fù)荷變化系數(shù)，認(rèn)為同類型的負(fù)荷變化規(guī)律相近，其次，假定每個(gè)同類型日負(fù)荷數(shù)據(jù)和溫度數(shù)據(jù)，求出其相關(guān)系數(shù)，最后,在預(yù)測(cè)到預(yù)測(cè)日最高溫度和最低溫度出情況下，預(yù)測(cè)出預(yù)測(cè)日的最大負(fù)荷和最小負(fù)荷，再由預(yù)測(cè)日的負(fù)荷變化系數(shù)，最終求出預(yù)測(cè)日的各點(diǎn)負(fù)荷預(yù)測(cè)值。 上面計(jì)算日負(fù)荷變化系數(shù)，是選擇最近幾個(gè)同類型日，然后取平均值來求得，實(shí)際上可作如下改進(jìn) （58）這里，為權(quán)重系數(shù)，滿足?！比斯ど窠?jīng) 網(wǎng)絡(luò)是最近發(fā)展起來的十分熱門的交叉學(xué)科，它涉及生物、電子、計(jì)算機(jī)、數(shù)學(xué)和物理學(xué)科，有著非常廣泛的應(yīng)用背景，這門學(xué)科的發(fā)展對(duì)日前和末來的科學(xué)技術(shù)的發(fā)展有重要的影響。前饋型神經(jīng)網(wǎng)絡(luò)的基本原理是:神經(jīng)網(wǎng)絡(luò)在組成時(shí)，各個(gè)神經(jīng)元通過一定權(quán)值相連，神經(jīng)網(wǎng)絡(luò)在使用之前必須確定這些權(quán)值，而沒有經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的權(quán)值是沒有任何意義的，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是通過已知數(shù)據(jù)確定權(quán)值的過程。按照神經(jīng)元連接的拓?fù)浣Y(jié)構(gòu)不同，可分為分層網(wǎng)絡(luò)和相互連接型網(wǎng)絡(luò)。④神經(jīng)元網(wǎng)絡(luò)的工作過程當(dāng)網(wǎng)絡(luò)訓(xùn)練好了以后，就可以正常進(jìn)行工作，可以用來分析數(shù)據(jù)和處理問題。電力系統(tǒng)短期負(fù)荷預(yù)測(cè)建模及MATLAB實(shí)現(xiàn)、基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)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(dòng)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。從原理上說，這是一種最簡(jiǎn)單的方法。、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)建模及MATLAB實(shí)現(xiàn)負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)控制、運(yùn)行和計(jì)劃都有著重要的意義。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。所以這里將前一天的實(shí)時(shí)負(fù)荷數(shù)據(jù)作為網(wǎng)絡(luò)的樣本數(shù)據(jù)。歸一化方法有許多種形式，這里采用如下公式： （61）在樣本中，輸入向量為預(yù)測(cè)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(cè)日當(dāng)天的電力負(fù)荷。 這是因?yàn)楹瘮?shù)的輸出位于區(qū)間[0，1]中，正好滿足網(wǎng)絡(luò)輸出的要求。0 1。0 1。0 1。訓(xùn)練參數(shù)的設(shè)定如表所示。Out=sim(net,P_test)。預(yù)測(cè)時(shí)段實(shí)際值/MW預(yù)測(cè)值/MW誤差/%1：002：003：004：005：006：007：008：009：0010：0011：0012：0013：0014：0015：0016：0017：0018：0019：0020：0021：0022：0023：0024：00，18個(gè)點(diǎn)的誤差的絕對(duì)百分誤差小于5%，%，%，%，表明預(yù)測(cè)取得了較滿意的結(jié)果。參考文獻(xiàn)[1][M].北京：電子工業(yè)出版社， 2005[2]許東、——神經(jīng)網(wǎng)絡(luò)[M].西安：西安電子科技大學(xué)出版社，2002[3]樓順天、胡昌華、—— 模糊系統(tǒng)[M].西安：西安電子科技大學(xué)出版社，2001[4][M].北京：中國(guó)電力出版社，2001[5]于爾鏗、劉廣一、（EMS）[M].北京：科學(xué)出版社，1998 [6]張乃堯、[M].北京：清華大學(xué)出版社，1998 [7]、模糊神經(jīng)網(wǎng)絡(luò)及應(yīng)用程序設(shè)計(jì)[M].上海：上?？茖W(xué)技術(shù)文獻(xiàn)出版社，1998[8][M].北京：機(jī)械工業(yè)出版社，1995[9]牛東曉、曹樹華、[M].北京：中國(guó)電力出版社，1998[10]肖國(guó)泉、王春、[M].北京：中國(guó)電力出版社，2001[11] ［M］. 西安：西安電子科技大學(xué)出版社，1990.[12][J].系統(tǒng)工程理論與實(shí)踐，1996，16（7）：99104[13]侯志儉、[J].中國(guó)電機(jī)工程學(xué)報(bào)，2003，23（1）：4550[14]冉啟文、單永正、[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2003，23（3）：3842[15]謝宏、陳志業(yè)、[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2001，21（5）：510[16]梁海峰、涂光瑜、[J].電網(wǎng)技術(shù)，2001，25（1）：4953[17]王雪峰、［Ｊ］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，1997，(2)：23～25.[18]王雪峰、［Ｊ］.運(yùn)籌學(xué)學(xué)報(bào)，1998，(3)：25～29．[19]牛東曉、[J].中國(guó)電機(jī)工程學(xué)報(bào)，1999,23(4):2124謝辭在論文完稿之際，首先我要向指導(dǎo)老師表示衷心的感謝。如果沒有趙老師的悉心指導(dǎo)，本論文也不可能完成得如此順利。為了進(jìn)一步提高網(wǎng)絡(luò)的預(yù)測(cè)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(duì)系統(tǒng)進(jìn)行預(yù)測(cè)，樣本數(shù)據(jù)應(yīng)該盡可能準(zhǔn)確。Out=sim(net,P_test)。=。0 1]。0 1。0 1。0 1。 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)。因此，還需要通過天氣預(yù)報(bào)等手段獲得預(yù)測(cè)日的最高和最低溫度。在對(duì)短期負(fù)荷進(jìn)行預(yù)報(bào)前，一個(gè)特別重要的問題是如何劃分負(fù)荷類型或日期類型。同時(shí)，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。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(gè)不正確的逆模型。顯然，這是一個(gè)典型的有教師學(xué)習(xí)問題，實(shí)際系統(tǒng)作為教師，向神經(jīng)網(wǎng)絡(luò)提供算法所需的期望輸出。（2）BP網(wǎng)絡(luò)本文采用BP網(wǎng)絡(luò)，BP網(wǎng)絡(luò)學(xué)習(xí)規(guī)則的指導(dǎo)思想:對(duì)網(wǎng)絡(luò)權(quán)值和閾值的修正要沿著表現(xiàn)函數(shù)下降最快的方向負(fù)梯度方向. （511）其中是當(dāng)前的權(quán)值和閾值矩陣, 是當(dāng)前表現(xiàn)函數(shù)的梯度,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(gè)