【正文】 ,39。 1786 1665 1622 1577 1526 1580 1810 1848 2024 2156 2234 2392 2067 2054 ... 2122 2104 2192 2273 2305 2490 2416 2346 2212 20xx。 如今，負荷預測有著多種多樣的方法，每種方法都有自己的優(yōu)勢和局限性，在進行負荷預測的時候會產生不同的效果，沒有哪一種方法是最好的，誤差是最小的，而且不能單一只考慮誤差大小，還要考慮外界因素和成本的投入，由于本文的處理手法比較單一，沒有注重處理一些細節(jié)，應該對理論進行改進和加強，多 加入一些新的技術。訓練方法選擇按梯度下降法訓練。 電力系統(tǒng)整點負荷預測研究 13 參數的設定 學習速率影響著網絡收斂程度的大小和速度，它影響著每一次訓練權值的變化，學習速率越大，修正值越大，可能導致系統(tǒng)震蕩，網絡不收斂，而學習速率小的時候，系統(tǒng)收斂變慢，訓練次數增加，很容易陷入局部極小。第二個是采用動態(tài)步長。設第二層神經元個數為 N1，第二層第 i個神經元輸出變量用 2iko 來表示，由第二層第到第三層第 j 個神經元的權系數用3ijw 來表示，第 2 層第 i 個神經元的輸出變量用 2ik 來表示。 （ 5） 數據融合。 目前廣泛應用的計算、分析預測誤差的方法有平均絕對誤差、均方誤差、 均 方根誤差、標準誤差等 [11]。 ． (5)進行各項負荷預測。負荷內部變化往往具有線性和周期性兩大特點。短期負荷預測和超短期負荷預測是電力系統(tǒng)核心技術模塊，因為兩者直接關系到發(fā)電輸電方案的制定，也是能量管理系統(tǒng)（ EMS）的重要組成部分。 （ 3）人工神經網絡法 自從 1943年第一個神經網絡模型被提出至今，神經網絡的發(fā)展十分迅速 ， 在電力系統(tǒng)負荷預測領域內應用較廣泛的模型有：反向傳播模型、自組織特征映射。由于電能的生產 、 輸送 、 分配和消費是同時完成的，難以大量儲存，這就要求發(fā)電系統(tǒng)要隨時緊跟系統(tǒng)負荷變化以達到動態(tài)平衡，否則就會影響供電質量，甚至危及電力系統(tǒng)的安全與 穩(wěn)定。 本科生畢業(yè)設計（論文） 題 目： 姓 名： 學 號： 學 院： 專 業(yè)： 年 級： 指導教師： （簽名） 年 月 日電力系統(tǒng)整點負荷預測研究 I 電力系統(tǒng)整點負荷預測研究 摘要 短期負荷預測在電 力系統(tǒng)中有著舉足輕重的作用，是電力系統(tǒng)最基本的工作之一，準確的負荷預測為電力系統(tǒng)的穩(wěn)定，可靠，經濟的運行提供了便利條件。因此，科學的電力系統(tǒng)負荷預測就成為電力系統(tǒng)一項重要的工作，同時也是電力系統(tǒng)自動化領域中一項中重要內容 [1]。將 人工神經網絡應用于短期負荷預測的具體過程為：以歷史負荷、天氣因素 (如溫度、風速、濕度、陰晴等 )等作為輸入變量，以負荷預測值為輸出變量，通過大量的樣本訓練神經網絡，確定神經元之間的連接權值及神經元的閾值，然后將訓練完成的網絡用于預測未來的負荷，并且隨著新樣本的加入，可以重新訓練神經網絡，形成新的權值和閾值以適應新的樣本，訓練好的新神經網絡可以進行電力系統(tǒng)短期負荷的預測工作，預測結果具有較高的精度 [5]。此外，在能量管理系統(tǒng)中，還有母線負荷預測等其他負荷預測。 （ 2）氣候因素。 (6) 分析預測結果并改進模型。具體預測流程圖如下： Y N 本章小結 本章我們學習到負荷預測在電力系統(tǒng)中的重要性，尤其是短期負荷預測，了解到了負荷預測的方法，以及負荷預測的基本步驟，在后面進行具體操作的時候要一步一步按照步驟來做。 （ 6） 多變量系統(tǒng)。則有 2^k1 )y(21???Nk kyE （ 31） k^y 為網絡的實際輸出值。就是改變學習速率，開始時學習速率取大值，收斂會變快，但這個值不應該比引起系統(tǒng)震蕩的最大學習速率大，如果發(fā)現系統(tǒng)震蕩，再 減小。所以學習速率要從大往按照經驗小逐個實驗，發(fā)現系統(tǒng)震蕩就往小取，發(fā)現收斂速度變慢就往大取。 創(chuàng)建 BP 網絡： =newff（ minmax（ samplelist）， [20,24], {39。 目前，我國處于一個東部地區(qū)用電量大但電力資源短缺，西部地區(qū)用電量小但電力資源豐富的環(huán)境，因此各地區(qū)的調度部門應該合理分配電力資源，加強負荷預測精度，使得每一度電都不浪費，降低電力資源浪費對國家經濟發(fā)展的影響，神經網絡預測短期負荷有很光明的發(fā)展前景，可供各地區(qū)的電力調度部門采納使用。 1862 1715 1671 1633 1609 1645 1842 1937 2059 2197 2283 2399 2061 2053 ... 2145 2147 2283 2371 2378 2410 2309 2171 2060 1867。purelin39。tansig39。 1840 1694 1620 1588 1593 1602 1746 1785 1906 1984 2091 2227 1955 1906 ... 1956 1964 2055 2170 2169 2333 2296 2228 2131 1928。雖然神經網絡 BP 算法有著幾個缺陷，比如收斂速度慢、初始權值選取的隨機性、容易陷入局部極小等，但是在短期負荷預測的領域里，它的誤差范圍是在誤差允許范圍之內的，而且 BP 算法在非線性逼近方面有其他方法無可比擬的優(yōu)勢，再一次證明其可行性。激發(fā)函數分別選用雙曲正切函數 tansing，又稱對稱的sigmond 函數，函數形式如 44 xxeexf11)( ?? （ 44） 隱層到輸出函數選用純 線性函數 purelin 。得到輸出預測結果之后，再將 輸出結果進行反歸一化處理，得到確切的預測負荷數值。第一個是附加沖量法，這種方法是在每個加權調節(jié)量上加上一項正比于前次加權變化量的值，可以明顯加快收斂速度。結構圖如圖 31 所示 1x i j k 2x 1py ..... .... .... 1my nx 圖 31 三層 BP 網絡結構圖 福州大學本科生畢業(yè)設計（ 論文） 10 BP 網絡的算法 設網絡有三層，第三層盡含輸出接點，網絡輸出為 y ，有 N 個輸入 kx（ k =1,2,3， ...,N），網絡輸出 ky 亦然。通過用實際的數據建模，對網絡進行訓練，使輸出達到期望值。電力負荷其預測值與實際值一定有出入，即預測誤差，并且這是不可避免的。 (4)確定一個適當的數學模型。電力系統(tǒng)負荷隨著人們用電的規(guī)律變化而變化，比如日負荷，在白天負荷變化平緩，到傍晚的時候負荷變化迅速增大，到深夜又迅速減少。 中長期負荷預測主要是指對未來一年或幾年的負荷進行預測，超短期 負荷預測是指對未來幾分鐘幾小時的負荷進行預測，而短期負荷預測是對未來幾天的負荷進行預測。目前模糊集合理論應用于負荷預測主要有以下幾種方法：模糊聚類法、模糊相似優(yōu)先比法、模糊最大貼近度法等 [4]。 BP algorithm 電力系統(tǒng)整點負荷預測研究 III 目錄 摘要 .................................................................................................................................. I Abstract ............................................................................................................................II 目錄 ............................................................................................................................... III 第 1 章 緒論 .................................................................................................................... 1 負荷預測的背景和意義 ....................................................................................... 1 負荷預測國內外發(fā)展現狀 .................................................................................... 1 本文主要研究內容 .............................................................................................. 3 第 2 章 負荷預測介紹 ...................................................................................................... 4 負荷預測的組成和特點 ....................................................................................... 4 負荷預測的組成 ........................................................................................ 4 負荷預測的特點 ........................................................................................ 4 影響負荷預測的因素 ........................................................................................... 5 負荷預測的原則和步驟 ....................................................................................... 5 負荷預測的原則 ........................................................................................ 5 負荷預測的模型 ........................................................................................ 6 負荷預測的步驟 ........................................................................................ 6 本章小結 ............................................................................................................ 7 第 3 章 BP 神經網絡原理 ................................................................................................. 8 人工神經網絡概述 ............................................................................................... 8 神經網絡的特性 ........................................................................................ 8