【正文】 ………………………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(yǔ)………………………………………………………………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(lái)1日至1周的負(fù)荷進(jìn)行預(yù)測(cè)。電力負(fù)荷預(yù)測(cè)基本算法電力負(fù)荷預(yù)測(cè)綜述、電力負(fù)荷預(yù)測(cè)的含義 電力負(fù)荷有兩方面的含義：一方面是指電力工業(yè)的服務(wù)對(duì)象，包括使用電力的部門(mén)、機(jī)關(guān)、企事業(yè)單位、工廠、農(nóng)村、車(chē)間、學(xué)校以及各種各樣的用電設(shè)備；另一方面是指上述各用電單位、用電部門(mén)或用電設(shè)備使用電力和電量的具體數(shù)量。 工業(yè)負(fù)荷是指用于工業(yè)生產(chǎn)的用電，一般工業(yè)負(fù)荷的比重在用電構(gòu)成中居于首位，它不僅取決于工業(yè)用戶的工作方式(包括設(shè)備利用情況、企業(yè)的工作班制等)，而且與各行業(yè)的行業(yè)特點(diǎn)、季節(jié)因素都有緊密的聯(lián)系，一般負(fù)荷是比較恒定的。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)。這些資料的主要來(lái)源有兩種途徑：一是各國(guó)政府、研究機(jī)構(gòu)等定期或不定期發(fā)表的報(bào)刊、資料、文獻(xiàn)、和其他出版物；二是預(yù)測(cè)人員通過(guò)調(diào)查所獲得的資料。因此，在得到預(yù)測(cè)結(jié)果后必須對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確度和可靠性進(jìn)行評(píng)價(jià)。1）線性變化模型超短期負(fù)荷變化可以直接采用線性變化模型，將前面時(shí)刻的負(fù)荷描述成一條直線，其延長(zhǎng)線即可預(yù)測(cè)下一時(shí)刻的負(fù)荷，如圖所示。這樣，按線性模型預(yù)測(cè)B(t)的負(fù)荷均值X(t)，按周期變化模型預(yù)測(cè)B(t)的周期負(fù)荷變化系數(shù)Z(t)，用式（42）就可以得到基本負(fù)荷分量B(t)。有趨勢(shì)變化的非平穩(wěn)隨機(jī)過(guò)程，有可能經(jīng)過(guò)若干次差分后才能平穩(wěn)化，即對(duì)V(t)作多次差分得到的是一個(gè)平穩(wěn)隨機(jī)過(guò)程，即 （412）式中，d為差分階數(shù)；B為后移算子。根據(jù)線性濾波器的特性，時(shí)間序列可劃為自回歸(AR)、動(dòng)平均(MA)、自回歸動(dòng)平均(ARMA)、累計(jì)式自回歸動(dòng)平均(ARIMA)、傳遞函數(shù)(TF)幾類(lèi)模型，其負(fù)荷預(yù)測(cè)過(guò)程一般分為模型識(shí)別、模型參數(shù)估計(jì)、模型檢驗(yàn)、負(fù)荷預(yù)測(cè)、精度檢驗(yàn)預(yù)測(cè)值修正5個(gè)階段。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。以用作時(shí)間序列預(yù)測(cè)。1988年，Daubechies構(gòu)成出了具有有限支撐的正交小波基。這個(gè)方法的基本思想是從已知輸入—輸出數(shù)據(jù)對(duì)中產(chǎn)生模糊規(guī)則，形成一個(gè)模糊規(guī)則庫(kù)，最終的模糊邏輯系統(tǒng)將從組合模糊規(guī)則庫(kù)中產(chǎn)生。因此，這種方法的模型有較高的精度，但是它的訓(xùn)練時(shí)間太長(zhǎng)，收斂較慢等缺點(diǎn)。”當(dāng)前國(guó)際著名的神經(jīng)網(wǎng)絡(luò)專(zhuān)家，第一家神經(jīng)計(jì)算機(jī)公司的創(chuàng)始人和神經(jīng)網(wǎng)絡(luò)技術(shù)研究的領(lǐng)導(dǎo)人Hecht Nielson給神經(jīng)網(wǎng)絡(luò)的定義是:“神經(jīng)網(wǎng)絡(luò)是一個(gè)以有向圖為拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)，它通過(guò)對(duì)連續(xù)或斷連續(xù)的輸入作狀態(tài)響應(yīng)而進(jìn)行信息處理。①人工神經(jīng)元網(wǎng)絡(luò)模型將前面介紹的神經(jīng)元通過(guò)一定的結(jié)構(gòu)組織起來(lái)，就可構(gòu)成人工神經(jīng)元網(wǎng)絡(luò)。遞增模式，就是每增加一個(gè)輸入樣本，重新計(jì)算一次梯度并調(diào)整權(quán)值；批處理模式，就是利用所有的輸入樣本計(jì)算梯度，然后調(diào)整權(quán)值。對(duì)于神經(jīng)網(wǎng)絡(luò)，這是一個(gè)仍有待于進(jìn)一步研究的問(wèn)題。由于負(fù)荷值曲線相鄰的點(diǎn)之間不會(huì)發(fā)生突變，因此后一時(shí)刻的值必然和前一時(shí)刻的值有關(guān)，除非出現(xiàn)重大事故等特殊情況。網(wǎng)絡(luò)中間層的神經(jīng)元傳輸函數(shù)采用S型正切函數(shù)tansig，輸出層神經(jīng)元傳遞函數(shù)采用S型對(duì)數(shù)函數(shù)logsig。0 1。考慮到網(wǎng)絡(luò)的結(jié)構(gòu)比較復(fù)雜，神經(jīng)元個(gè)數(shù)比較多，需要適當(dāng)增大訓(xùn)練次數(shù)和學(xué)習(xí)速率。預(yù)測(cè)時(shí)段實(shí)際值/MW預(yù)測(cè)值/MW誤差/%1：002：003：004：005：006：007：008：009：0010：0011：0012：0013：0014：0015：0016：0017：0018：0019：0020：0021：0022：0023：0024：00，17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。在為期幾個(gè)月的設(shè)計(jì)中，同學(xué)們的團(tuán)結(jié)互助，無(wú)私幫助讓我十分的感動(dòng)，如果在這幾個(gè)月中，我單憑一己之力要完成本設(shè)計(jì)是十分困難的，因?yàn)楸驹O(shè)計(jì)的知識(shí)和內(nèi)容大部分是以前未曾接觸的，有許多新的東西要求我在短短幾個(gè)月內(nèi)消化吸收。這里利用仿真函數(shù)sim來(lái)計(jì)算網(wǎng)絡(luò)的輸出。net=newff(threshold,[53,24],{‘tansig’,’logsig’},’trainrp’)。0 1。123824n1224輸出層隱 層輸入層BP網(wǎng)絡(luò)是系統(tǒng)預(yù)測(cè)中應(yīng)用特別廣泛的一種網(wǎng)絡(luò)形式，因此，本文采用BP網(wǎng)絡(luò)對(duì)負(fù)荷值進(jìn)行預(yù)報(bào)。即，或者增加每日的測(cè)量點(diǎn)，或者把預(yù)測(cè)日前幾天的負(fù)荷數(shù)據(jù)作為輸入向量?？v觀已經(jīng)發(fā)表的文獻(xiàn)資料，大體有以下幾種劃分模式：1）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(lèi)型；2）將一周分為星期一、星期二到星期四、星期五、星期六、星期天等5種類(lèi)型。因此，在建立系統(tǒng)逆模型時(shí)，可逆性應(yīng)該事先有所保證。下面介紹B P算法的推倒過(guò)程。從已知數(shù)據(jù)確定權(quán)值是一個(gè)無(wú)約束最優(yōu)化問(wèn)題，典型的算法是BP法，對(duì)于前饋神經(jīng)網(wǎng)絡(luò)模型還有很多其他權(quán)值修正法。而對(duì)應(yīng)區(qū)域大的地區(qū)，那么應(yīng)把該地區(qū)按負(fù)荷中心分成m個(gè)子區(qū)域，分別取其每天的最高、最低溫度。因此，從函數(shù)逼近意義上考慮，研究模糊邏輯系統(tǒng)的非線性映射能力顯得非常重要。模糊系統(tǒng)不管其是如何進(jìn)行計(jì)算的，從輸入輸出的角度講它是一個(gè)非線性函數(shù)。隨后，理論物理學(xué)家Grossman對(duì)Morlet的這種信號(hào)方法進(jìn)行了理論研究，這無(wú)疑為小波分析的形成奠定了基礎(chǔ)。專(zhuān)家系統(tǒng)法利用了專(zhuān)家的經(jīng)驗(yàn)知識(shí)和推理規(guī)則，使得假日或重大活動(dòng)日子的負(fù)荷預(yù)報(bào)精度得到了提高。這些眾多因子的未知性和不確定性，成為系統(tǒng)的灰色特性。 （1）經(jīng)典預(yù)測(cè)方法 1）時(shí)間序列法時(shí)間序列法是一種最為常見(jiàn)的短期負(fù)荷預(yù)測(cè)方法，它是針對(duì)整個(gè)觀測(cè)序列呈現(xiàn)出的某種隨機(jī)過(guò)程的特性，去建立和估計(jì)產(chǎn)生實(shí)際序列的隨機(jī)過(guò)程的模型，然后用這些模型去進(jìn)行預(yù)測(cè)。1）自回歸模型一個(gè)自回歸模型（AR）描述的過(guò)程是它的現(xiàn)在值可以由本身的過(guò)去的有限項(xiàng)的加權(quán)和及一個(gè)干擾值a(t)（假設(shè)為白噪聲）來(lái)表示，即 （49）在自回歸模型中，模型的階數(shù)p和系數(shù)（=1，2，…,p）由過(guò)去值通過(guò)模型辨別和參數(shù)估計(jì)來(lái)決定。順序觀察每天同一時(shí)刻的負(fù)荷變化系數(shù)值，可以看出他們接近于一條水平線，這樣便可以用前幾天的同一時(shí)刻的負(fù)荷變化系統(tǒng)值的平均值預(yù)測(cè)以后的值。（1） 基本正常負(fù)荷分量模型不同的預(yù)測(cè)周期，B(t)分量具有不同的內(nèi)涵。由于影響預(yù)測(cè)對(duì)象的諸因素可能會(huì)發(fā)生變化，從而可能使未來(lái)的實(shí)際結(jié)果與預(yù)測(cè)依據(jù)的歷史資料呈現(xiàn)的規(guī)律不相吻合，預(yù)測(cè)人員必須適時(shí)的對(duì)預(yù)測(cè)模型及預(yù)測(cè)結(jié)果加以修正。預(yù)測(cè)期限是指預(yù)測(cè)的時(shí)間長(zhǎng)短，一般電力規(guī)劃中負(fù)荷預(yù)測(cè)期限有短期預(yù)測(cè)（即5年期預(yù)測(cè)），中期預(yù)測(cè)（即5—10年期預(yù)測(cè)），及長(zhǎng)期預(yù)測(cè)（即15年以上的預(yù)測(cè)）。（3）需電量。城市民用負(fù)荷主要是城市居民的家用電器，它具有年年增長(zhǎng)的趨勢(shì)，以及明顯的季節(jié)性波動(dòng)特點(diǎn)，而且民用負(fù)荷的特點(diǎn)還與居民的日常生活和工作的規(guī)律緊密相關(guān)。利用相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)方法對(duì)未來(lái)24小時(shí)負(fù)荷進(jìn)行短期預(yù)測(cè)，該方法充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)處理非線性問(wèn)題的能力和人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的優(yōu)點(diǎn)。因此，電力負(fù)荷預(yù)測(cè)是一項(xiàng)十分重要的工作，它對(duì)于保證電力工業(yè)的健康發(fā)展，乃至對(duì)于整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展均有著十分重要的意義。、電力負(fù)荷預(yù)測(cè)的意義電力用戶是電力工業(yè)的服務(wù)對(duì)象，電力負(fù)荷的不斷增長(zhǎng)是電力工業(yè)發(fā)展的根據(jù)。 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)的內(nèi)容是指需要測(cè)算些什么量（或參數(shù)），歸納起來(lái)有以下一些參數(shù)需要測(cè)算。對(duì)中、長(zhǎng)期負(fù)荷預(yù)測(cè)，要特別研究國(guó)民經(jīng)濟(jì)發(fā)展、國(guó)家政策等的影響。在預(yù)測(cè)中常用的分析方法有多種，如時(shí)間序列分析、因果關(guān)系分析等方法。預(yù)測(cè)題目主要反映預(yù)測(cè)目標(biāo)、預(yù)測(cè)對(duì)象、預(yù)測(cè)范圍和預(yù)測(cè)時(shí)限。L12nn+1其特點(diǎn)是只有積累大量的事件記錄，才能從中分析出某些事件的出現(xiàn)對(duì)負(fù)荷的影響程度，從而作出特別事件對(duì)負(fù)荷的修正規(guī)則。短期負(fù)荷預(yù)測(cè)基本模型是指24小時(shí)的日負(fù)荷預(yù)測(cè)和168小時(shí)的周負(fù)荷預(yù)測(cè)，列舉其預(yù)測(cè)周期，知其基本變化規(guī)律可由線性變化模型和周期變化模型來(lái)描敘，日負(fù)荷至周負(fù)荷的變化，受特別事件影響明顯，對(duì)應(yīng)特別事件負(fù)荷分量模型，同附和隨機(jī)負(fù)荷分量?；貧w模型雖然考慮了氣象信息等因素，但需要事先知道負(fù)荷與氣象變量之間的函數(shù)關(guān)系，這是比較困難的。在此基礎(chǔ)上，進(jìn)一步研究了離散函數(shù)光滑性，微分方程背景值、平射性等一些基本問(wèn)題，同時(shí)也考慮了有限和無(wú)限的相對(duì)性，定義了指標(biāo)集拓?fù)淇臻g的灰導(dǎo)數(shù)，最后解決了微分方程的建模問(wèn)題。4）小波分析預(yù)測(cè)技術(shù)小波分析（Wavelet）是本世紀(jì)數(shù)學(xué)研究成果中最杰出的代表。而Wicherhanseer等將Mallat算法進(jìn)一步深化，提出了小波包算法，取得了信號(hào)的最佳時(shí)頻分解。高木關(guān)野模糊預(yù)測(cè)算法雖然已得到了很大的應(yīng)用，適用于各種復(fù)雜的建模，取得了較好的預(yù)測(cè)效果，但是它對(duì)輸入變量的要求較高等缺點(diǎn)，這必然限制了它的應(yīng)用。4）讀取預(yù)測(cè)地區(qū)該預(yù)測(cè)日的最高溫度和最低溫度。Hopfield網(wǎng)絡(luò)模型和Hamming網(wǎng)絡(luò)模型。人工神經(jīng)元模型的學(xué)習(xí)方式，其中主要三種:有導(dǎo)師學(xué)習(xí)、無(wú)導(dǎo)師學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。而當(dāng)系統(tǒng)為性能評(píng)價(jià)器時(shí)，則可選擇再勵(lì)學(xué)習(xí)算法，這時(shí)網(wǎng)絡(luò)既可以采用具有全局逼近能力的網(wǎng)絡(luò)，如多層感知器，也可選具有局部逼近能力的網(wǎng)絡(luò)，如小腦模型關(guān)節(jié)控制器等。本文采用MATLAB軟件編程、仿真，具體過(guò)程如下所示：(1)問(wèn)題描述電力系統(tǒng)負(fù)荷短期預(yù)報(bào)問(wèn)題的解決辦法和方式可以分為統(tǒng)計(jì)技術(shù)、專(zhuān)家系統(tǒng)法和神經(jīng)網(wǎng)絡(luò)法等。因此，輸入變量就是一個(gè)26維的向量。 0 1。0 1。net=train(net,P,T)。對(duì)于常用的BP算法，可考慮采用遺傳算法、小波分析和徑向基函數(shù)做進(jìn)一步的深入研究。附加動(dòng)量法是在BP算法的基礎(chǔ)上，在每個(gè)權(quán)值變化上加上一項(xiàng)正比于上一次權(quán)值變化量的值，并根據(jù)BP算法來(lái)產(chǎn)生新的權(quán)值變化，利用附加動(dòng)量法可能會(huì)避開(kāi)某些局部最小值。 (休息日)訓(xùn)練結(jié)果(工作日)訓(xùn)練結(jié)果訓(xùn)練好的網(wǎng)絡(luò)還需要進(jìn)行測(cè)試才可以判定是否可以投入實(shí)際應(yīng)用。0 1。0 1。 這樣一來(lái)，輸出變量就成為一個(gè)24維的向量。對(duì)于抽樣和逼近這種非線性函數(shù)，神經(jīng)網(wǎng)絡(luò)是一種合適的方法。下面介紹其中一種比較簡(jiǎn)單的直接逆向建模法。③神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則在學(xué)習(xí)過(guò)程中主要是網(wǎng)絡(luò)的連接權(quán)的值發(fā)生了改變，學(xué)習(xí)到