【正文】 練函數(shù)為trainrp ,它采用BP算法進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)。0 1。本文由于輸入向量有26個(gè)元素，所以網(wǎng)絡(luò)輸入層的神經(jīng)元有26個(gè)，經(jīng)過(guò)多次訓(xùn)練網(wǎng)絡(luò)中間層的神經(jīng)元可以取53個(gè)?？傊?，樣本的選取過(guò)程需要注意代表性、均衡性和用電負(fù)荷的自身特點(diǎn)，從而選擇合理的訓(xùn)練樣本。本文采用第1種負(fù)荷劃分模式，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。但實(shí)際工作時(shí)的輸入信號(hào)很難事先給定，因?yàn)榭刂颇繕?biāo)是使系統(tǒng)輸出具有期望的運(yùn)動(dòng)，對(duì)于未知控制系統(tǒng)期望輸入不可能給出。假設(shè)三層BP網(wǎng)絡(luò),輸入節(jié)點(diǎn),隱層節(jié)點(diǎn),輸出節(jié)點(diǎn)[15]。(2) 人工神經(jīng)元基本原理人工神經(jīng)元模型是生物神經(jīng)元的模擬與抽象。所有指數(shù)平滑法都會(huì)遇到這種給定值的問(wèn)題的。在時(shí)刻t預(yù)測(cè)t+1時(shí)刻的數(shù)值時(shí)，只需知道t時(shí)刻的實(shí)際值及預(yù)測(cè)值；(2) 對(duì)不同時(shí)刻的數(shù)據(jù)做了不等權(quán)的處理。以下我們從一般的基礎(chǔ)上進(jìn)行討論。例如。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)內(nèi)容是指包括電力、電量、電力負(fù)荷的地區(qū)分布，電力負(fù)荷隨時(shí)間的變化規(guī)律，以及電力負(fù)荷曲線特征及負(fù)荷曲線等。無(wú)功負(fù)荷的大小及分布是確定電力系統(tǒng)無(wú)功電源規(guī)劃的基礎(chǔ)，也是影響電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的重要因素。（5） 模糊負(fù)荷預(yù)測(cè)模糊負(fù)荷預(yù)測(cè)是近幾年比較熱門的研究方向。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。這一工作開始并不順利，一時(shí)建立不起可供應(yīng)的模型。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。實(shí)際算例表明，這種方法應(yīng)用在短期負(fù)荷預(yù)測(cè)方面有較高的精度。電力系統(tǒng)的作用就是對(duì)各類用戶提供盡可能經(jīng)濟(jì)可靠而合乎標(biāo)準(zhǔn)要求的電能，以隨時(shí)滿足各類用戶的要求，用電力系統(tǒng)的術(shù)語(yǔ)來(lái)說(shuō)，就是滿足負(fù)荷要求。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(lái)的變化發(fā)展趨勢(shì)?；貧w預(yù)測(cè)包括線性回歸和非線性回歸。（2） 專家系統(tǒng)方法專家系統(tǒng)方法是對(duì)于數(shù)據(jù)庫(kù)里存放的過(guò)去幾年的負(fù)荷數(shù)據(jù)和天氣數(shù)據(jù)等進(jìn)行細(xì)致的分析，匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測(cè)人員的知識(shí)，提取有關(guān)規(guī)則。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)。模糊系統(tǒng)對(duì)于任意一個(gè)非線性連續(xù)函數(shù)，就是找出一類隸屬函數(shù)，一種推理規(guī)則，一個(gè)解模糊方法，使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線性函數(shù)。（4） 電力負(fù)荷曲線及其特征值。一般在做電力負(fù)荷預(yù)測(cè)時(shí)需要搜集與整理的資料主要有：電力系統(tǒng)歷年用電負(fù)荷、用電量、用電構(gòu)成；經(jīng)濟(jì)發(fā)展目標(biāo)（如國(guó)民生產(chǎn)總值、國(guó)民收入等）；國(guó)民經(jīng)濟(jì)結(jié)構(gòu)的歷史、現(xiàn)狀及可能的變化發(fā)展趨勢(shì)；人口預(yù)測(cè)資料及人均收入水平；能源利用效率及用電比重的變化；工業(yè)布局及用戶的用電水平指標(biāo)；以及國(guó)外參考國(guó)家的上述類似歷史資料。預(yù)測(cè)結(jié)果應(yīng)該是明確的，可以被檢驗(yàn)的。為了用外推法預(yù)測(cè)今后的發(fā)電量，我們需要尋求y=f(x)的一個(gè)近似表達(dá)式。我們按通常的方法來(lái)求S對(duì)的偏導(dǎo)數(shù)，并使這些導(dǎo)數(shù)等于零。在實(shí)屬平滑法中，t+1時(shí)刻的預(yù)測(cè)值式（313）（314）叫t時(shí)刻的一次指數(shù)平滑，用表示?！碑?dāng)前國(guó)際著名的神經(jīng)網(wǎng)絡(luò)專家，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)。 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(guò)程，這一過(guò)程建立的神經(jīng)網(wǎng)絡(luò)模型稱為正向建模。 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。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)。 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。訓(xùn)練參數(shù)的設(shè)定如表所示。 工作日預(yù)測(cè)結(jié)果對(duì)照預(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。 。 。 。 0 1。 0 1。=。 ]39。 。 。 0 1。net=newff(threshold,[53,24],{39。plot(1:24,XOut)%反歸一化處理28號(hào)的負(fù)荷預(yù)測(cè)值s=[ 。 。 。figure。 0 1。 0 1。 。 。 。trainrp39。 0 1。 ]39。%P表示歸一化后的輸入向量for i=1:26 P(i,:)=(p(i,:)min(p(i,:)))/(max(p(i,:))min(p(i,:)))。 。但我們小組做為一個(gè)團(tuán)隊(duì)，大家相互幫助，相互鼓勵(lì)，互相監(jiān)督，共同討論和解決問(wèn)題，使論文能高質(zhì)高效的完成。(休息日預(yù)報(bào)誤差曲線)所示,(工作日預(yù)報(bào)誤差曲線)所示。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(wǎng)絡(luò)輸入向量的最大值為1，最小值為0。0 1。根據(jù)BP網(wǎng)絡(luò)來(lái)設(shè)計(jì)網(wǎng)絡(luò)，一般的預(yù)測(cè)問(wèn)題都可以通過(guò)單隱層的BP網(wǎng)絡(luò)實(shí)現(xiàn)。目前，訓(xùn)練樣本數(shù)目的確定沒(méi)有通用的方法，一般認(rèn)為樣本過(guò)少可能使得網(wǎng)絡(luò)的表達(dá)不夠充分，從而導(dǎo)致網(wǎng)絡(luò)外推能力不夠；而樣本過(guò)多可能會(huì)出現(xiàn)樣本冗長(zhǎng)現(xiàn)象，既增加了網(wǎng)絡(luò)的訓(xùn)練負(fù)擔(dān)，也可能出現(xiàn)信息量過(guò)剩使得網(wǎng)絡(luò)出現(xiàn)過(guò)擬合現(xiàn)象。c 將一周的7天每天都看做一種類型，共有7種類型。動(dòng)態(tài)系統(tǒng)神經(jīng)網(wǎng)絡(luò)U+|y 逆向建模結(jié)構(gòu)為了獲得良好的逆動(dòng)力學(xué)特性，應(yīng)妥善選擇網(wǎng)絡(luò)訓(xùn)練所需的樣本集，使其比未知系統(tǒng)的實(shí)際運(yùn)行范圍更大。下面介紹BP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。但是當(dāng)t=1時(shí)這個(gè)值并不存在，因此需要在計(jì)算前給定出定值，最簡(jiǎn)單的方法就是使在開始時(shí)都等于Xt,或者都等于前幾個(gè)Xt的平均值。和移動(dòng)算術(shù)平均法相比，它有以下幾個(gè)優(yōu)點(diǎn)：(1) 不需要儲(chǔ)存過(guò)去n個(gè)時(shí)刻的歷史數(shù)據(jù)。這就是最小二乘法的核心。3 電力負(fù)荷預(yù)測(cè)方法的研究 基于最小二乘法的預(yù)測(cè)研究及算例分析在實(shí)踐中，我們往往需要從一組實(shí)測(cè)數(shù)據(jù)（）（i=1，2，……，n）中尋找變量x與y間函數(shù)關(guān)系的某種近似表達(dá)式。如果是采用定性預(yù)測(cè)方法來(lái)進(jìn)行預(yù)測(cè)，就應(yīng)根據(jù)掌握的客觀資料進(jìn)行科學(xué)的邏輯推理，推斷出預(yù)測(cè)期的預(yù)測(cè)值。一般而言，預(yù)測(cè)范圍視研究問(wèn)題所涉及的范圍而定，編制全國(guó)電力規(guī)劃，就要預(yù)測(cè)全國(guó)范圍內(nèi)的電力、電量需求量；編制大區(qū)網(wǎng)局或地方（省、地、縣）電力局的發(fā)展規(guī)劃，就要預(yù)測(cè)大區(qū)電網(wǎng)或地方電力局范圍內(nèi)的電力、電量需求量。（2） 無(wú)功負(fù)荷及其分布。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(wèn)題的研究。小波分析為本世紀(jì)現(xiàn)代分析學(xué)作了完美的總結(jié)。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長(zhǎng)時(shí)期起作用的規(guī)律，于是進(jìn)行了用少量數(shù)據(jù)做微分方程建模的研究。它利用了電力負(fù)荷變動(dòng)的慣性特征和時(shí)間上的延續(xù)性，通過(guò)對(duì)歷史數(shù)據(jù)時(shí)間序列的分析處理，確定其基本特征和變化規(guī)律，預(yù)測(cè)未來(lái)負(fù)荷。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)[2]，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)。所以正確的電力負(fù)荷預(yù)測(cè)既可以為國(guó)民經(jīng)濟(jì)的發(fā)展提供充足的電力，也可以為電力系統(tǒng)自身的發(fā)展提供幫助，特別是對(duì)于電力系統(tǒng)規(guī)劃而言，準(zhǔn)確的負(fù)荷預(yù)測(cè)是整個(gè)規(guī)劃工作的基礎(chǔ)和前提。電力負(fù)荷預(yù)測(cè)就是在正確的理論指導(dǎo)下，在調(diào)查研究掌握大量翔實(shí)資料的基礎(chǔ)上，運(yùn)用可靠的方法和手段對(duì)電力負(fù)荷的發(fā)展趨勢(shì)作出科學(xué)合理的推斷。雖然經(jīng)典的數(shù)學(xué)統(tǒng)計(jì)方法具有速度快的優(yōu)點(diǎn)，但是其預(yù)測(cè)模型比較簡(jiǎn)單，很難準(zhǔn)確描述負(fù)荷預(yù)測(cè)的實(shí)際模型，所以其精度較差。借助專家系統(tǒng)，負(fù)荷預(yù)測(cè)人員能識(shí)別預(yù)測(cè)日所屬的類型，考慮天氣因素對(duì)負(fù)荷預(yù)測(cè)的影響，按照一定的推理進(jìn)行負(fù)荷預(yù)測(cè)。1986年，法國(guó)數(shù)學(xué)家Mayer創(chuàng)造性地構(gòu)造出了一個(gè)具有一定衰減特性的光滑函數(shù)，它的二進(jìn)制伸縮和平移系構(gòu)成L（R）的規(guī)范正交基，實(shí)現(xiàn)了信號(hào)在時(shí)頻空間同時(shí)局部化的正交分解。 本文主要的研究工作通過(guò)本次畢業(yè)設(shè)計(jì)，我們要對(duì)所學(xué)知識(shí)得以鞏固與加強(qiáng)；了解目前負(fù)荷預(yù)測(cè)的概況，弄清負(fù)荷預(yù)測(cè)的常用方法方法，完成電力負(fù)荷預(yù)測(cè)；培養(yǎng)運(yùn)用所學(xué)知識(shí)分析和解決問(wèn)題的能力，鍛煉和提高學(xué)生的綜合素質(zhì)本設(shè)計(jì)主要是學(xué)習(xí)負(fù)荷預(yù)測(cè)的一般方法，在此基礎(chǔ)上，結(jié)合某地區(qū)的實(shí)際負(fù)荷，將所研究方法應(yīng)用到負(fù)荷預(yù)測(cè)上，完成相應(yīng)的負(fù)荷預(yù)測(cè)計(jì)算和分析。電力負(fù)荷大小及其在時(shí)間上的分布特征，對(duì)電力規(guī)劃及電力系統(tǒng)運(yùn)行是至關(guān)重要的。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)。從幾何上講，就是希望根據(jù)表中所列的一組離散點(diǎn)（1，），（2，），……，（10，）求函數(shù)y=f(x)圖像的一條擬合曲線。由此可得到m+1個(gè)方程式 （K=0，1，2，…，m） （35）整理上式可得 （K=0，1，2，…，m） （36）式中，為簡(jiǎn)單起見，令 （37） （38）這樣，式中（36）可展開為 （39）式（39）的系數(shù)矩陣顯然為對(duì)稱矩陣。因此式（313）（314）可以改寫為 （316） （317）將t=1,2,……，n的所有一次指數(shù)平滑值作為新的時(shí)間序列，再次進(jìn)行指數(shù)平滑，我們就得到了原時(shí)間序列的二次指數(shù)平滑 （318）同理，如以（1，2，……，n）做為新的時(shí)間序列進(jìn)行指數(shù)平滑，又可得到三次指數(shù)平滑值 （319）依此類推。”人工神經(jīng) 網(wǎng)絡(luò)是最近發(fā)展起來(lái)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