【正文】 B 實現(xiàn) 基于人工 神經(jīng)網(wǎng)絡(luò)日負(fù)荷預(yù)測方法的原理 人工神經(jīng)網(wǎng)絡(luò)簡介及其原理 (1) 神經(jīng)網(wǎng)絡(luò)簡介 人工神經(jīng)網(wǎng)絡(luò)的英文名稱是 Artificial Neural Networks(ANN)是一種“采用物理可實現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能的系統(tǒng)。這就是指數(shù)平滑的由來，它也符合了離目前越近的數(shù)據(jù)，對未來預(yù)測影響越大的原則。我們要按照 （ 31） 的原則確定式中的系數(shù)，即要求下列函數(shù)的最小值 21 10 ])([?? ?????nimjmjj xaxaaxfS ? （ 34） 式中 S 為 m+1 個自變量 maaa , 10 ? 的函數(shù)。在預(yù)測時為方便起見，我們用標(biāo)中的序號作為自變量。 評價預(yù)測階段 預(yù)測的主要成果是得到預(yù)測結(jié)果。資料是預(yù)測的基本依據(jù)，占有的資料的充裕程度及資料的可信度，對預(yù)測結(jié)果的可信 度是至關(guān)重要的。它是進(jìn)行能源供需平衡的主要依據(jù)。模糊系統(tǒng)不管其是如何進(jìn)行計算的，從輸入輸出的角度講它是一個非線性函數(shù)。 1984 年法國地球物理學(xué)家Morlet 在分析地震波的局部性時，把小波運用于對信號分解，取得了滿意的分析結(jié)果。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題，同時也考慮了有限和無限的相對性 ，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題 [7]。從數(shù)學(xué)上看，就是利用數(shù)理統(tǒng)計中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實現(xiàn)預(yù)測目的。 另一方面是指上述各用電單位、用電部門或用電設(shè)備使用電力和電量的具體數(shù)量[4]。 本科畢業(yè)設(shè)計說明書（論文） 第 1 頁 共 41 頁 電力負(fù)荷預(yù)測方法研究 1 緒論 電力工業(yè)的發(fā)展一方面直接制約著國民經(jīng)濟(jì)和社會的發(fā)展，另一方面電力工業(yè)的發(fā)展也依賴于社會對電力的需求。 本科畢業(yè)設(shè)計說明書（論文） 第 2 頁 共 41 頁 電力負(fù)荷預(yù)測研究的意義 電力負(fù)荷有兩方面的含義 [3]：一方面是指電力工業(yè)的服務(wù)對象，包括使用電力的部門、機(jī)關(guān)、企事業(yè)單位、工廠、農(nóng)村、車間、學(xué)校以及各種各樣的用電設(shè)備 。 （ 2） 回歸分析法 回歸分析法就是根據(jù)負(fù)荷過去的歷史資料，建立可以分析的數(shù)學(xué)模型，對未來的負(fù)荷進(jìn)行預(yù)測。后來，他將歷史數(shù)據(jù)作了各種處理，找到了累加生成，發(fā)現(xiàn)累加生成曲線是近似的指數(shù)增長曲線，而指數(shù)增長正符合微分方程解的形式。 1981 年Stromberg 對 Harr 系進(jìn)行了改進(jìn)，證明小波函數(shù)的存在。 本科畢業(yè)設(shè)計說明書（論文） 第 6 頁 共 41 頁 模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論，使其進(jìn)行確定性的工作，對一些無法構(gòu)造數(shù)學(xué)模型的被控過程進(jìn)行有效控制。 （ 3） 需電量。 （ 2） 搜集與整理資料。這種 情況下，預(yù)測人員的經(jīng)驗、理論素養(yǎng)及分析判斷能力起重要的作用。 表 我國某地區(qū)發(fā)電量的增長情況 序 號 1 2 3 4 5 6 7 8 9 10 1 年 份 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1983 發(fā)電量 1 1 在表中，發(fā)電量取的是標(biāo)么值，以 1983 年的發(fā)電量為基準(zhǔn)。 設(shè)有一個具有 n 對值 ),(,),(),( 2211 nn yxyxyx ?的函數(shù) )(xfy? 及一個 m次多項式 mm xaxaax ???? ?10)(? （ 33） 其中 mn。順次將 , 1?tt FF ?? 2F 的表達(dá)式帶入式 本科畢業(yè)設(shè)計說明書（論文） 第 15 頁 共 41 頁 可得 ntntttt xaaxaaxaaaxF ???? ??????? )1()1()1( 2211 ? （ 315） 由上式可見， tx 的權(quán)是 a(1a)…… ，由于 01a1，這些權(quán)數(shù)的增加而逐漸趨于零。如果平滑系數(shù) a 取值不接近于零值，則預(yù)測幾步后，初值的影響會組建減弱，假如 a 的取值接近于零，從式 （ 315）中我們可以看出初值對未來的影響較大，因此最好給定初值時比較慎重。從數(shù)學(xué)角度而言，所謂模擬是對神 本科畢業(yè)設(shè)計說明書（論文） 第 20 頁 共 41 頁 經(jīng)元的結(jié)構(gòu)和功能而言，相當(dāng)于一個多輸入單輸出的非線性闡值器件。 輸入節(jié)點與隱層節(jié)點間的網(wǎng)絡(luò)權(quán)值為 ,隱層節(jié)點與輸出節(jié)點間的網(wǎng)絡(luò)權(quán)值為 .當(dāng)輸出節(jié)點的期望值為時 ,模型的計算公式如下 : 隱層節(jié)點的輸出 ( ) ( )j ji i j jiy f w x f n e t?? ? ?? （ 42） 其中 j ji i ji w x ???? （ 43） 本科畢業(yè)設(shè)計說明書（論文） 第 21 頁 共 41 頁 輸出節(jié)點的計算輸出 ( ) ( )jl lj l ljz f v y f n e t?? ? ?? （ 44） 其中 jl lj lj v y ???? （ 45） 輸出節(jié)點的誤差 2 2 21 1 1( ) ( ( ) ) ( ( ( ) ) )2 2 2j j i i jl l l l j l l l j ll l j l j iE t z t f v y t f v f w x? ? ?? ? ? ? ? ? ? ? ?? ? ? ? ? ? （ 46） 傳遞函數(shù) f(x)的導(dǎo)數(shù) S 型函數(shù) 1() 1xfx e?? ? 則 ))(1)(()( xfxfxf ??? （ 47） ))(1)(()( kkk n etfn etfn etf ??? （ 48） 對輸出節(jié)點 ()llz f ? （ 49） )1()( lll zzf ??? （ 410） 對輸出節(jié)點 ()jjy f ? （ 411） )1()( jjj yyf ??? （ 412） 求函數(shù)梯度有兩種方法：遞增和批處理。另一方面，在動態(tài)系統(tǒng) 神經(jīng)網(wǎng)絡(luò) U d d? + + _ e y 動態(tài)系統(tǒng) 神經(jīng)網(wǎng)絡(luò) U + | y 本科畢業(yè)設(shè)計說明書（論文） 第 23 頁 共 41 頁 系統(tǒng)預(yù)報中，為保證參數(shù)估計算法的一致收斂，必須使用一定的持續(xù)激勵的輸入信號。 (2) 輸入 /輸出向量設(shè)計 在預(yù)測日的前一天中，每 1 個小時對電力負(fù)荷進(jìn)行一次測量，這樣一來，一天共測得 24 組負(fù)荷數(shù)據(jù)。 (3) BP 網(wǎng)絡(luò)的設(shè)計 本文依據(jù)人工神經(jīng)網(wǎng)絡(luò)來建模，根據(jù) BP 網(wǎng)絡(luò)來預(yù)測 24 點負(fù)荷。0 1。0 1。 本科畢業(yè)設(shè)計說明書（論文） 第 28 頁 共 41 頁 圖 (休息日 )預(yù)報誤差 圖 (工作日 )預(yù)報誤差 (5) 結(jié)論分析 電力負(fù)荷預(yù)測是電力調(diào)度、用電、計劃、規(guī)劃等部門的重要工作，國內(nèi)外關(guān)于短期負(fù)荷預(yù)測的文獻(xiàn)很多，但是由于電力負(fù)荷受諸多因素的影響和負(fù)荷本身的不 確定性，使得迄今還沒有一種十分滿意的方法。但我們小組做為一個團(tuán)隊，大家相互幫助，相互鼓勵，互相監(jiān)督，共同討論和解決問題，使論文能高質(zhì)高效的完成。 。 。 end %p 為工作日原始輸入數(shù)據(jù) p=[ 。 致 謝 在論文完稿之際，首先我要向指導(dǎo)老師 教授 表示衷心的感謝。 工作日測試代碼如下： P_test=[ ]39。 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)。 在對短期負(fù)荷進(jìn)行預(yù)報前，一個特別重要的問題是如何劃分負(fù)荷類型或日期 類型。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，將得到一個不正確的逆模型。神經(jīng)元網(wǎng)絡(luò)的工作過程有許多種形式，比如回想和分類。即通過這些權(quán)值使神經(jīng)網(wǎng)絡(luò)具有了一定的記憶功能，可以對數(shù)據(jù)的規(guī)律進(jìn)行記憶 (信息保存在權(quán)值中 )。下面我們以根據(jù) t=23 時段用電量預(yù)計 t=24 時段用電量為例說明我們的研究的具體步驟。 指數(shù)平滑法是從移動算術(shù) 平均法演變而來的。 選擇合適的曲線類型主要是根據(jù)經(jīng)驗，或把離散點畫在坐標(biāo)紙上，進(jìn)行觀察分析，找到一個比較接近的曲線類型。結(jié)論與建議是扼要地列出預(yù)測的主要結(jié)果，提出有關(guān)建議和意見。 實施預(yù)測階段 在進(jìn)行預(yù)測時，要依據(jù)選擇的預(yù)測方法來進(jìn)行預(yù)測。 （ 1） 確定預(yù)測目標(biāo)。有功負(fù)荷，加上電網(wǎng)中損失的有功和發(fā)電廠自用有功量，再加上適量的備用容量，就等于電力系統(tǒng)的裝機(jī)容量。 小波分析是一種時域 —— 頻域分析方法，它在時域和頻域上同時具有良好的局部化性質(zhì)，并且能根據(jù)信號頻率高低自動調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細(xì)小部分。它作為數(shù)學(xué)學(xué)科的一個分支，吸取了現(xiàn)代分析學(xué)中諸如泛函分析、數(shù)值分析、 Fourier 分析、 樣條分析、調(diào)和分析等眾多分支的精華，并包羅了它們的特色。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。 國內(nèi)外電力負(fù)荷預(yù)測研究的現(xiàn)狀 電力負(fù)荷預(yù)測分為經(jīng)典預(yù)測方法和現(xiàn)代預(yù)測方法 [6]。 本文介紹了一種基于 BP 神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法 [1]。中、短期負(fù)荷預(yù)測是隨著電力系統(tǒng) EMS 的逐步發(fā)展而發(fā)展起來的，現(xiàn)已經(jīng)成為 EMS 必不可少的一部分和為確保電力系統(tǒng)安全經(jīng)濟(jì)運行所必需的手段之一。較高的預(yù)測精度充分表明了它的科學(xué)合理性。 現(xiàn)代負(fù)荷預(yù)測方法 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)測方法逐漸得到了成功應(yīng)用。所以，一個完整的專家系統(tǒng)是有四部分組成的，即知識庫、推理機(jī)、知識獲取部分和解釋界面。 1988 年， Daubechies 構(gòu)成出了具有有限支撐的正交小波基。 (2) 學(xué)習(xí)有關(guān)負(fù)荷預(yù)測的基礎(chǔ)知識。 負(fù)荷預(yù)測根據(jù)目的的不同可以分為 短期 、中期和長期： ① 超 短期 負(fù)荷預(yù)測是指未來 1h 以內(nèi)的負(fù)荷預(yù)測，在安全監(jiān)視狀態(tài) 下，需要 5～ 10s 或 1～ 5min 的預(yù)測值，預(yù)防性控制和緊急狀態(tài)處理需要 10min 至 1h 的預(yù)測值。因此，在調(diào)查搜集資料的過程中對搜集得到的資料應(yīng)進(jìn)行鑒別，去粗取精，去偽存真，以保證預(yù)測中使用的資料翔實可靠。若誤差太大，就失去了預(yù)測的意義，并從而導(dǎo)致電力規(guī)劃的失誤?，F(xiàn)在用 i? 表示近似函數(shù)在 ix 點的誤差 )()( iii xfx ?? ?? （ i=1， 2， …… ， n） 在一般情況下使用 i? （ i=1， 2， …… ， n） 全都為零是不可能的。 已知原始數(shù)據(jù)如表 所示，現(xiàn)欲用拋物線對其進(jìn)行擬合（將離散點畫到圖上得拋物線） 2210 xaxaay ??? 試用最小二乘法確定其系數(shù) 10,aa 和 2a 。平滑系數(shù) a 可根據(jù)最小方差的原則來決定，即選幾個 a 可能的取值分別計算平滑值與相應(yīng)實際值的均方差 ? ?? ?t tt xs2)1( /t,并選取其中均方差最小的平 滑系數(shù) a。反饋型網(wǎng)絡(luò)模型是一種反饋動力學(xué)系統(tǒng)，它具有極復(fù)雜的動力學(xué)特性。相互連接型網(wǎng)絡(luò)是指網(wǎng)絡(luò)中任意兩個單元之間都可以相互連接。當(dāng)系統(tǒng)是被控對象或傳統(tǒng)控制器時，神經(jīng)網(wǎng)絡(luò)多采用多層前向網(wǎng)絡(luò)的形式，可直接選用 BP 網(wǎng) 絡(luò)或它的各種變形。由于神經(jīng)網(wǎng)絡(luò)所具有的較強(qiáng)的非線性映射等特性，它常被用于負(fù)荷預(yù)測。這里將電力負(fù)荷預(yù)測日當(dāng)日的氣象特征數(shù)據(jù)作為 網(wǎng)絡(luò)的輸入變量 [17]。而輸出向量有 24 個，所以輸出層中的神經(jīng)元應(yīng)該有 24 個。0 1。 (4) 網(wǎng)絡(luò)訓(xùn)練計算出預(yù)測日 24 點的歸一化系數(shù) 網(wǎng)絡(luò)經(jīng)過訓(xùn)練后才可以用于電力負(fù)荷預(yù)測的實際應(yīng)用。 =。