【正文】 4） 式中 S 為 m+1 個自變量 maaa , 10 ? 的函數。 表 擬合曲線的誤差 x 0a xa1 22xa )(x? y i? 2i? 1 1 2 3 4 5 6 7 8 9 10 由表表 可以看出，最大誤差在 X=3 處 ?i? 本科畢業(yè)設計說明書（論文） 第 14 頁 共 41 頁 1 2 ?? ??j iS ? 均方差為 MSE= 基于指數平滑法的預測研究及算例分析 指數平滑法是最常用的預測方法之一，是確定性的時間序列分析技術。這就是指數平滑的由來，它也符合了離目前越近的數據，對未來預測影響越大的原則。例如，當時間序列有線性趨勢時，我們用線性指數平滑法 進行預測 mbax ttmt ??? （ 321） 本科畢業(yè)設計說明書（論文） 第 16 頁 共 41 頁 式中系數可由 t 時刻的前二次指數平滑值來表示 )2()1(2 ttt ssa ?? （ 322） ][1 )2()1( ttt ssaab ??? （ 323） 當時間序列具有拋物線趨勢時，我們用平方指數平滑法進行預測 221 mcmbax tttmt ???? （ 324） 式中系數可由 t 時刻的前三次指數平滑值來表示 )3()2()1( 33 tttt sssa ??? （ 325） ? ?)3()2()1(221 )34()45(2)56()1( tttt sasasaaab ??????? （ 326） ? ?)3()2()1(22 2)1( tttt sssaac ???? （ 327） 應用研究：已知江蘇泰州某小區(qū)兩年來用電情況如下表（單位為 MkWh） 。 本科畢業(yè)設計說明書（論文） 第 19 頁 共 41 頁 4 人工神經網絡日負荷預測方法的原理及 MATLAB 實現 基于人工 神經網絡日負荷預測方法的原理 人工神經網絡簡介及其原理 (1) 神經網絡簡介 人工神經網絡的英文名稱是 Artificial Neural Networks(ANN)是一種“采用物理可實現的系統(tǒng)來模仿人腦神經細胞的結構和功能的系統(tǒng)。前饋神經網絡模型是指那些在網絡中各處理單元之間的連接都是單向的，而且總是指向網絡輸出方向的網絡模型 。激活函數有許多種類型，其中比較常用的激活函數可歸結為三種形式 :閩值型， S型和線性型。 ③神經元網絡的學習規(guī)則在學習過程中主要是網絡的連接權的值發(fā)生了改變，學習到的內容也是記憶在連接權之中。遞增模式，就是每增加一個輸入樣本，重新計算一次梯度并調整權值；批處理模式，就是利用所有的輸入樣本計算梯度，然后調整權值。 直接逆向建模也稱為廣義逆學 習，如圖 所示。對于神經網絡，這是一個仍有待于進一步研究的問題。神經網絡的優(yōu)點在于它具有模擬多變量而不需要對輸入變量做復雜的相關假設的能力。由于負荷值曲線相鄰的點之間不會發(fā)生突變，因此后一時刻的值必然和前一時刻的值有關，除非出現重大事故等特殊情況。 獲得輸入和輸出變量后，要對其進行歸一化處理，將數據處理為區(qū)間 [0， 1]之間的數據。如圖 預測 24點負荷的 BP 網絡。0 1。0 1。 0 1。0 1]。 圖 (休息日 )訓練結果 本科畢業(yè)設計說明書（論文） 第 27 頁 共 41 頁 圖 (工作日 )訓練結果 訓練好的網絡還需要進行測試才可以判定是否可以投入實際應用。本文介紹的基于 BP 神經網絡的預測方法，在綜合考慮天氣情況、歷史負荷和日類型等對未來負荷影響的因素后，使用了神經網 本科畢業(yè)設計說明書（論文） 第 29 頁 共 41 頁 絡的非線性擬合等功能 [18]，取得了較好的負荷預測效果。 （ 3） 針對 BP 算法中存在的收斂速度慢、易陷入局部最小值的問題，可采用附加動量法和自適應學習速率法在一定程度上解決這些問題。此外，我還要感謝我所列參考文獻的作者，正是他們的許多研究成果給了我很大的幫助，在此表示誠摯的謝意！ 本科畢業(yè)設計說明書（論文） 第 33 頁 共 41 頁 參 考 文 獻 [1] 飛思科技產品研發(fā)中心編 .神經網絡理論與 MATLAB7 實現 [M].北京：電子工業(yè)出版社 ,20xx. [2] 許東， 吳錚編著 .基于 的系統(tǒng)分析與設計 —— 神經網 絡 [M].西安：西安電子科技大學出版社， 20xx. [3] 趙希正編著 .中國電力負荷特性分析與預測 [M].北京：中國電力出版社， 20xx. [4] 于爾鏗，劉廣一， 周京陽等編著 .能量管理系統(tǒng)（ EMS） [M].北京：科學出版社，1998. [5] 張乃堯， 閻平凡編著 .神經網絡與模糊控制 [M].北京：清華大學出版社， 1998. [6] 牛東曉，曹樹華， 趙磊等編著 .電力負荷預測技術及其應用 [M].北京：中國電力出版社， 1998. [7] 諸靜編著 .模糊控制原理與應用 [M].北京：機械工業(yè)出版社， 1995. [8] 焦李成 .神經網絡系統(tǒng)理論［ M］ . 西安： 西安電子科技大學出版社， 1990. [9] 侯志儉 ， 李濤等 .基于小波分析的電力系統(tǒng)短期負荷預測方法 [J].中國電機工程學報， 20xx， 23（ 1）： 4550. [10] 冉啟文 ， 單永正 ， 王騏等 .電力系統(tǒng)短期負荷預報的小波 神經網絡 PARIMA 方法[J]. 中國電機工程學報， 20xx， 23（ 3）： 3842. [11] 肖國泉 ， 王春 ， 張福偉編著 .電力負荷預測 [M].北京：中國電力出版社， 20xx. 本科畢業(yè)設計說明書（論文） 第 34 頁 共 41 頁 [12] 施泉生 .短期負荷 預報模型庫的研究及應用 [J].系統(tǒng)工程理論與實踐， 1996， 16（ 7）： 99104. [13] ，數值計算，科學出版社， 1959 年 . [14] Brown,R,G. The Fundamental Theorem of Exponential Smoothing, Operations Research, pp673685,1961. [15] 王雪峰 ， 馮英浚 .多層神經網絡的一個快速算法［Ｊ］ .運籌學學報， 1998， (3)：25～ 29． [16] 王雪峰 ， 馮英浚 .多層神經網絡的一種新學習算法 ［Ｊ］ .哈爾濱工業(yè)大學學報，1997， (2)： 23～ 25. [17] Chow TW work based shortterm load forecasting using weather pensation [J].IEEE Trans on PWRS. 1996, 11(4):17361742. [18] , et novel approach to shortterm load forecasting using fuzzy neural works [J].IEEE. Transactions on Power System,1998,13(2):480492. 附錄 Ⅰ ：歸一化 MATLAB 代碼 %p 為休息日原始輸入數據 p=[ 。 。 。 。 。 。 %P 表示歸一化后的輸入向量 for i=1:26 本科畢業(yè)設計說明書（論文） 第 35 頁 共 41 頁 P(i,:)=(p(i,:)min(p(i,:)))/(max(p(i,:))min(p(i,:)))。 。自適應學習速率法是在學習過程中 不斷修正學習速率，有利于提高學習效率，縮短學習時間。 表 休息日預測結果對照 預測時段 實際值 /MW 預測值 /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， 17 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)設計說明書（論文） 第 30 頁 共 41 頁 %，最大絕對百分誤差為 %，平均絕對百分誤差為 %，表明預測取得了較滿意的結果。 Out=sim(,P_test)。 其中，變量 threshold 用于規(guī)定輸入向量的最大值最小值，規(guī)定了網絡輸入向量 的最大值為 1，最小值為 0。0 1。0 1。0 1。根據 BP 網絡來設計網絡，一般的預測問題都可以通過單隱層的 BP網絡實現。由于這都是實際的測量值，因此，這些數據可以對網絡進行有效的訓練。 此外，由于電力負荷還與環(huán)境因素有關，如最高和最低溫度等。近年來的研究表明，相對于前兩種方法，利用神經網絡技術進行電力系統(tǒng)短期負荷預報可獲得更高的精度。電力系統(tǒng)負荷變化受多方面的影響，一方面，負荷變化存在著由未知不確定的因素引起的隨機的波動；另一方面，又具有周期變化的規(guī)律性，這也使得負荷曲線具有相似性。由圖可見，擬預報的系統(tǒng)輸出作為網絡的輸入，網絡輸出與系統(tǒng)輸入比較，相應的輸入誤差用于訓練，因此網絡將通過學習建立系統(tǒng)的逆模型。正向建模的結構如圖所示，其中神經網絡與待辨別的系統(tǒng)并聯，兩者的輸出誤差用做網 絡的訓練信號。 ④神經元網絡的工作過程當網絡訓練好了以后，就可以正常進 行工作，可以用來分析數據和處理問題。按照神經元連接的拓撲結構不同，可分為分層網絡和相互連接型網絡。前饋型神經網絡的基本原理是 :神經網絡在組成時，各個神經元通過一定權值相連，神經網絡在使用之前必須確定這些權值，而沒有經過訓練的神經網絡的權值是沒有任何意義的，神經網絡的學習過程就是通過已知數據確定權值的過程?！比斯ど窠? 網絡是最近發(fā)展起來的十分 熱門的交叉學科，它涉及生物、電子、計算機、數學和物理學科，有著非常廣泛的應用背景，這門學科的發(fā)展對日前和末來的科學技術的發(fā)展有重要的影響。 表 線性指數平滑法的計算過程 tx )1(tS )2(tS ta tb mtF? 1 142 142 142 2 151 3 160 4 138 5 136 6 173 7 141 8 140 9 161 10 179 11 163 12 170 13 205 14 192 15 206 16 217 17 228 18 224 19 203 20 226 本科畢業(yè)設計說明書（論文） 第 17 頁 共 41 頁 21 222 22 241 23 238 24 265 25 (m=1) 26 (m=2) 27 (m=3) 28 (m=4) 29 (m=5) 30 (m=6) 表中各列分別為： 1 原始記錄數據 tx ； 2 一次指數平滑值 )1(tS ，由式 （