基于bp神經(jīng)網(wǎng)絡(luò)的日負(fù)荷預(yù)測(cè)(編輯修改稿)
2025-07-16 15:40 本頁面
【文章內(nèi)容簡(jiǎn)介】 （42）對(duì)隱含層節(jié)點(diǎn) （43） （44）在計(jì)算函數(shù)梯度時(shí)有兩種方式：順序方式和批處理方式。順序方式，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。該方式所需的臨時(shí)存儲(chǔ)空間較批處理方式小，且隨機(jī)輸入樣本有利于權(quán)值空間的搜索具有隨機(jī)性，在一定程度上可以避免學(xué)習(xí)陷入局部最小，但其誤差收斂條件難以建立；批處理方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。它能夠精確計(jì)算出梯度向量，誤差收斂條件非常簡(jiǎn)單，易于并行處理。2 電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)電力系統(tǒng)負(fù)荷預(yù)測(cè)是電力系統(tǒng)調(diào)度、實(shí)時(shí)控制、運(yùn)行計(jì)劃和發(fā)展規(guī)劃的前提，是電網(wǎng)調(diào)度部門和規(guī)劃部門所必須具有的基本信息。準(zhǔn)確的負(fù)荷預(yù)測(cè)有助于提高系統(tǒng)的安全性和穩(wěn)定性，能夠減少發(fā)電成本。隨著電力市場(chǎng)的建立和發(fā)展，短期負(fù)荷預(yù)測(cè)技術(shù)已成為電力系統(tǒng)EMS系統(tǒng)中必不可少的部分。短期負(fù)荷預(yù)測(cè)是指提前預(yù)報(bào)未來幾小時(shí)、1天至幾天的電力負(fù)荷，主要用于安排日開停機(jī)計(jì)劃和發(fā)電計(jì)劃。對(duì)一個(gè)電力企業(yè)而言，提高運(yùn)行的安全性和經(jīng)濟(jì)性，提高發(fā)電設(shè)備的利用率和經(jīng)濟(jì)調(diào)度的有效性，都要依賴準(zhǔn)確的短期負(fù)荷預(yù)測(cè)結(jié)果。短期負(fù)荷預(yù)測(cè)作用的大小主要取決于預(yù)測(cè)精度，因此如何提高預(yù)測(cè)精度是目前研究短期負(fù)荷預(yù)測(cè)理論和方法的重點(diǎn)。關(guān)于短期負(fù)荷預(yù)測(cè)的研究已有很長(zhǎng)的歷史，國(guó)內(nèi)外許多專家和學(xué)者在預(yù)測(cè)理論和方法方面做了大量的研究工作，提出了很多預(yù)測(cè)模型。電力系統(tǒng)負(fù)荷變化受多方面的影響，一方面，負(fù)荷變化存在著由未知不確定的因素引起的隨機(jī)的波動(dòng)；另一方面，又具有周期變化的規(guī)律性，這也使得負(fù)荷曲線具有相似性。同時(shí)，由于受天氣、節(jié)假日等特殊情況的影響，又使負(fù)荷變化出現(xiàn)差異。因此，很多預(yù)測(cè)方法的預(yù)測(cè)精度和使用范圍受到了限制。短期負(fù)荷預(yù)測(cè)的傳統(tǒng)方法包括趨勢(shì)外推預(yù)測(cè)法、回歸分析預(yù)測(cè)法、時(shí)間序列預(yù)測(cè)法和灰色預(yù)測(cè)法。這幾種方法具有模型簡(jiǎn)單，需要的歷史數(shù)據(jù)少等優(yōu)點(diǎn)，但僅僅著眼于對(duì)歷史數(shù)據(jù)的整理、辨識(shí)，只能得到大致的負(fù)荷隨時(shí)間的變化規(guī)律，對(duì)于天氣變化對(duì)負(fù)荷的影響卻很難估計(jì)。在運(yùn)行實(shí)踐中這些方法用于正常類型的負(fù)荷已能初步滿足要求，一旦氣候要變化，以上基本方法預(yù)測(cè)結(jié)果便會(huì)與實(shí)際產(chǎn)生較大的差距。近十余年來，隨著科學(xué)技術(shù)的迅猛發(fā)展，不斷涌現(xiàn)出了許多電力系統(tǒng)負(fù)荷的智能預(yù)測(cè)方法，如專家系統(tǒng)預(yù)測(cè)、人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、小波分析預(yù)測(cè)和綜合模型預(yù)測(cè)等，并取得了較好的效果。其中，由于神經(jīng)網(wǎng)絡(luò)所具有的較強(qiáng)的非線性映射和強(qiáng)大的自學(xué)習(xí)、自適應(yīng)能力，在負(fù)荷預(yù)測(cè)中得到了越來越多的應(yīng)用。神經(jīng)網(wǎng)絡(luò)在組成時(shí)，各個(gè)神經(jīng)元通過一定權(quán)值相連，在使用神經(jīng)網(wǎng)絡(luò)之前必須確定這些權(quán)值，因?yàn)闆]有經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的權(quán)值是沒有任何意義的，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是通過已知數(shù)據(jù)確定權(quán)值的過程。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(duì)數(shù)據(jù)的規(guī)律進(jìn)行記憶(信息保存在權(quán)值中)，從而可以用于以后的預(yù)測(cè)。從已知數(shù)據(jù)確定權(quán)值是一個(gè)無約束最優(yōu)化問題，典型的算法是BP法。綜上，電力系統(tǒng)的負(fù)荷預(yù)測(cè)是一個(gè)與多方面因素有關(guān)的一個(gè)問題， 影響負(fù)荷預(yù)測(cè)的因素很多， 而且這些因素也是隨機(jī)的， 大部分與負(fù)荷呈非線性函數(shù)關(guān)系。因此要尋找一個(gè)合適的方法來描述這些非線性的聯(lián)系。BP 神經(jīng)網(wǎng)絡(luò)算法就可以很好地解決這一類的問題。它不需要對(duì)變量做復(fù)雜的相關(guān)假設(shè)，而且具有模擬多變量的能力。通過不斷地訓(xùn)練學(xué)習(xí)就可以逼近隱含的輸入輸出非線性關(guān)系。3 電力系統(tǒng)短期負(fù)荷預(yù)測(cè)建模及MATLAB實(shí)現(xiàn)本文采用MATLAB軟件編程、仿真，具體過程描述如下：我們總某網(wǎng)站下載得到某市在2008年1月1日至4月15日期間的負(fù)荷情況，在原始數(shù)據(jù)共測(cè)量了105天，每天測(cè)量96點(diǎn)負(fù)荷數(shù)據(jù)。我們的目標(biāo)是依據(jù)負(fù)荷的歷史統(tǒng)計(jì)數(shù)據(jù)，基于BP神經(jīng)網(wǎng)絡(luò)算法來對(duì)4月16日的負(fù)荷進(jìn)行預(yù)測(cè)。在對(duì)短期負(fù)荷進(jìn)行預(yù)報(bào)前，一個(gè)特別重要的問題是如何劃分負(fù)荷類型或日期類型?？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）等兩種類型；2）將
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1