【導(dǎo)讀】運營中占據(jù)十分重要的地位。國內(nèi)外的許多專家、學(xué)者在預(yù)測理論和方法方面做了。大量的研究工作，取得了很多卓有成效的進展。經(jīng)典方法有回歸分析法。和時間序列法；傳統(tǒng)方法有卡爾曼濾波法、指數(shù)平滑法、灰色預(yù)測法、小波分析法；智能預(yù)測法有專家系統(tǒng)法、人工神經(jīng)網(wǎng)絡(luò)法。組開停時間及其出力情況，使整個機組在周期內(nèi)的總消耗為最小。并完成開題報告；目前用于短期負(fù)荷預(yù)測的方法很多，可以分為經(jīng)。提高系統(tǒng)運行的經(jīng)濟性和可靠性[1]。要求的意義下，確定未來某特定時刻的負(fù)荷數(shù)值。它包括對未來需求量的預(yù)測和未來用。負(fù)荷預(yù)測工作所研究的對象是不肯定事件。設(shè)計已按要求完成。如各種基于神經(jīng)網(wǎng)絡(luò)、灰色理論、不同地區(qū)的負(fù)荷特性不盡相同，因此，生產(chǎn)實踐中應(yīng)根據(jù)實際情況采用適當(dāng)。根據(jù)《畢業(yè)設(shè)計任務(wù)書》要求，畢業(yè)設(shè)計（論文）已全部完成，請老師審閱。

　　

【正文】 a x m a x m a x m a x1 2 1( 1 ) ( 2 ) ... ( )m mL a T a T a T m a ?? ? ? ? ? （ 59） 其中， 1 m a x 2 m a x m a x(1 ) ( 2 ) .. . ( )ma T a T a T m? ? ?為各子區(qū)域某一天最高溫度； 1 2 1, ,..., ma a a ? 為參數(shù)。 用過去歷史負(fù)荷，各 子區(qū)域溫度數(shù)據(jù)，通過最小二乘方法估計參數(shù) 1 2 1, ,..., ma a a ? ， 然后，按下式求預(yù)測日最大負(fù)荷： 1m a x m a x m a x m a x12( 1 ) ( 2 ) . . . ( ) mm maa a aL T T T? ? ?? ? ? ? ?? ? ? ? ? （ 510） 全網(wǎng)最小負(fù)荷的考慮同上。 基于人工神經(jīng)網(wǎng)絡(luò)日負(fù)荷預(yù)測 [西南交通大學(xué) ] 西南 交通大學(xué) 網(wǎng)絡(luò) 教育學(xué)院畢業(yè)設(shè)計（論文） 24 （ 1）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)。”當(dāng)前國際著名的神經(jīng)網(wǎng)絡(luò)專家，第一家神經(jīng)計算機 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)是一個以有向圖為拓?fù)浣Y(jié)構(gòu)的動態(tài)系統(tǒng)，它通過對連續(xù)或斷連續(xù)的輸入作狀態(tài)響應(yīng)而進行信息處理?！比斯ど窠?jīng) 網(wǎng)絡(luò)是最近發(fā)展起來的十分熱門的交叉學(xué)科，它涉及生物、電子、計算機、數(shù)學(xué)和物理學(xué)科，有著非常廣泛的應(yīng)用背景，這門學(xué)科的發(fā)展對日前和末來的科學(xué)技術(shù)的發(fā)展有重要的影響。二維的簡單人工神經(jīng)網(wǎng)絡(luò)按網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可分為兩類 :前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。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。反饋神經(jīng)網(wǎng)絡(luò)模型可以用 完備的無向圖表示，代表性的模型包括 。Hopfield網(wǎng)絡(luò)模型和 Hamming網(wǎng)絡(luò)模型。反饋神經(jīng)網(wǎng)絡(luò)模型有很強的計算能力。前饋神經(jīng)網(wǎng)絡(luò)模型是指那些在網(wǎng)絡(luò)中各處理單元之間的連接都是單向的，而且總是指向網(wǎng)絡(luò)輸出方向的網(wǎng)絡(luò)模型。 本文中采用前饋型網(wǎng)絡(luò)對電力系統(tǒng)短期負(fù)荷進行預(yù)測。前饋型神經(jīng)網(wǎng)絡(luò)的基本原理是 :神經(jīng)網(wǎng)絡(luò)在組成時，各個神經(jīng)元通過一定權(quán)值相連，神經(jīng)網(wǎng)絡(luò)在使用之前必須確定這些權(quán)值，而沒有經(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，可以對數(shù)據(jù)的規(guī)律進行記憶 (信息保存在權(quán)值中 )。從而可以用于以后的預(yù)測。從已知數(shù)據(jù)確定權(quán)值是一個無約束最優(yōu)化問題，典型的算法是 BP法，對于前饋神經(jīng)網(wǎng)絡(luò)模型還有很多其他權(quán)值修正法。 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。這里所說的抽象是 從數(shù)學(xué)角度而言，所謂模擬是對神經(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。激活函數(shù)有許多種類型，其中比較常用的激活函數(shù)可歸結(jié)為三種形式 :閩值型， S型和線性型。 ①人工神經(jīng)元網(wǎng)絡(luò)模型將前面介紹的神經(jīng)元通過一定的結(jié)構(gòu)組織起來， 就可構(gòu)成人工神經(jīng)元網(wǎng)絡(luò)。按照神經(jīng)元連接的拓?fù)浣Y(jié)構(gòu)不同，可分為分層網(wǎng)絡(luò)和相互連接型網(wǎng)絡(luò)。分層網(wǎng)絡(luò)是將一個神經(jīng)元網(wǎng)絡(luò)模型中的所有神經(jīng)元按功能分為若干層，一般有輸入層、中間層和輸出層。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。 ②神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)過程模仿人的學(xué)習(xí)過程，人們提出了多種神經(jīng)元網(wǎng)絡(luò)。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)、無導(dǎo)師學(xué)習(xí)和強化學(xué)習(xí)。學(xué)習(xí)是一個相對持久的變化過程，學(xué)習(xí)往往也是一個推理過程，例如通過經(jīng)驗也可以學(xué)習(xí)，學(xué)習(xí)是神經(jīng)元網(wǎng)絡(luò)最重要的能力。 ③神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則在 學(xué)習(xí)過程中主要是網(wǎng)絡(luò)的連接權(quán)的值發(fā)生了改變，學(xué)習(xí)到[西南交通大學(xué) ] 西南 交通大學(xué) 網(wǎng)絡(luò) 教育學(xué)院畢業(yè)設(shè)計（論文） 25 的內(nèi)容也是記憶在連接權(quán)之中。學(xué)習(xí)規(guī)則有 :Hebb學(xué)習(xí)規(guī)則、感知機 (Perception)學(xué)習(xí)規(guī)則、 Delta學(xué)習(xí)規(guī)則等等。 ④神經(jīng)元網(wǎng)絡(luò)的工作過程當(dāng)網(wǎng)絡(luò)訓(xùn)練好了以后，就可以正常進行工作，可以用來分析數(shù)據(jù)和處理問題。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。 （ 2） BP 網(wǎng)絡(luò) 本文采用 BP 網(wǎng)絡(luò)， BP 網(wǎng)絡(luò)學(xué)習(xí)規(guī)則的指導(dǎo)思想 :對網(wǎng)絡(luò)權(quán)值和閾值的修正要沿著表現(xiàn)函數(shù)下降最快的方向 負(fù)梯度方向 . 1k k k kx x a g? ?? （ 511） 其中 kx 是當(dāng)前的權(quán)值和閾值矩陣 , kg 是當(dāng)前表現(xiàn)函數(shù)的梯度 , ka 是學(xué)習(xí)速度。 下面介紹 B P 算法的推倒過程。 假設(shè)三層 BP 網(wǎng)絡(luò) ,輸入節(jié)點 ,隱層節(jié)點 ,輸出節(jié)點 .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?? ? ?? （ 512） 其中 j ji i ji w x ???? （ 513） 輸出節(jié)點的計算輸出 ( ) ( )jl lj l ljz f v y f n e t?? ? ?? （ 514） 其中 jl lj lj v y ???? （ 515） 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? ? ?? ? ? ? ? ? ? ? ?? ? ? ? ? ?（ 516） 1） 誤差函數(shù)對輸出節(jié)點求導(dǎo) 1n klklj k lj l ljzzE E Ev z v z v???? ? ???? ? ? ? ?? （ 517） E 是多個 kz 的函數(shù) . 但有一個 lz 與 ljv 有關(guān) ,各 kz 間相互獨立 ,其中 1 [ 2 ( ) ] ( )2 kk k l lkllzE t z t zzz ?? ? ? ? ? ? ???? （ 518） 39。 ()l l l jllj l ljz z n e t f n e t yv n e t v? ? ???? ? ? （ 519） 則 39。( ) ( ) jl l lljE t z f n e t yv? ? ? ?? （ 520） 設(shè)輸入節(jié)點誤差為 39。( ) ( )l l l lt z f ne t? ?? （ 521） 則 jlljE yv ?? ??? （ 522） 2）誤差函數(shù)對隱層節(jié)點求導(dǎo) jlljji j jilyzEEw z y w?????? ? ? ??? （ 523） [西南交通大學(xué) ] 西南 交通大學(xué) 網(wǎng)絡(luò) 教育學(xué)院畢業(yè)設(shè)計（論文） 26 E 是多個 lz 的函數(shù) ,針對某一個jiw,對應(yīng)一個jy,它與所有 lz 有關(guān) ,其中 1 [ 2 ( ) ] ( )2 kk k l lkllzE t z t zzz ?? ? ? ? ? ? ???? （ 524） 39。39。( ) ( 1 ) ( )l l l ll l l jjl l lz z n e t n e tf n e t f n e t vn e t y??? ? ? ?? ? ? ?? ? ? ?（ 525） 39。 ()j j j ilji j jiy y n e t f n e t xw n e t w? ? ???? ? ? （ 526） 則 39。 39。 39。( ) ( ) ( ) ( )j i j il l l l j l l jlljiE t z f n e t v f n e t x v f n e t xw ?? ? ? ? ? ?? ??（ 527） 設(shè)隱層節(jié)點誤差為 39。39。()jj l ljlf v??? ? （ 528） 則 39。jijiE xw ?? ??? （ 529） 由于權(quán)值的修正 ljv? , jiw? 正比于誤差函數(shù)沿梯度下降 ,則有 39。 39。 39。ji j ijiEwxw? ? ??? ? ? ?? （ 530） ( 1 ) ( ) ( ) jlj lj lj lj lv k v k v v k y??? ? ? ? ? ? （ 531） 39。( ) ( )l l l lt z f ? ? ? ? （ 532） lllE? ? ????? ? ?? （ 533） 39。39。( 1 ) ( ) ( )ji ji ji ji j iw k w k w w k x??? ? ? ? ? ? （ 534） 39。39。()jj l ljlf v??? ? （ 535） 其中隱層節(jié)點誤差 39。j? 中的l ljl v??表示輸出節(jié)點的 lz 的誤差 l? 通過權(quán)值 ljv 向節(jié)點 jy 反向傳播成為隱層節(jié)點的誤差。 3）閾值的修正 閾值 ? 也是變化值，在修正權(quán)值的同時也需要修正，原理同權(quán)值修正一樣。誤差函數(shù)對輸出節(jié)點閾值求導(dǎo) ll l lzEEz??????? ? ? （ 536） 其中 ()lllE tzz? ?? ?? （ 537） 39。 ( ) ( 1 )l l l ll l lz z n e t f n e tn e t??? ? ?? ? ?? ? ? （ 538） 則 39。( ) ( )l l l llE t z f n et ??? ? ? ?? （ 539） 閾值修正 lllE? ? ????? ? ?? （ 540） ( 1) ( )l l lkk? ? ??? ? ? （ 541） 誤差函數(shù)對隱層節(jié)點閾值求導(dǎo) [西南交通大學(xué) ] 西南 交通大學(xué) 網(wǎng)絡(luò) 教育學(xué)院畢業(yè)設(shè)計（論文） 27 jllj l j jyzEEzy???????? ? ? ?? （ 542） 其中 ()lllE tzz? ?? ?? （ 543） 39。 ()l l ljjz f vy? ?? （ 544） 39。39。( ) ( 1 ) ( )j j j jjj j jy y n e t f n e t f n e tn e t??? ? ?? ? ? ? ?? ? ? （ 545） 則 39。 39。 39。 39。( ) ( ) ( ) ( )j j jl l l l j l l jlljE t z f n e t v f n e t v f n e t???? ? ? ? ?? ??（ 546） 閾值修正 39。 39。 39。jjjE? ? ? ???? ? ?? （ 547） 39。39。((1) )j j jkk? ? ? ?? ? ? （ 548） 4） 傳遞函數(shù) f(x)的導(dǎo)數(shù) S 型函數(shù) 1() 1xfx e?? ? 則 39。 ( ) ( ) (1 ( ) )f x f x f x?? （ 549） 39。 ( ) ( ) (1 ( ) )k k kf ne t f ne t f ne t?? （ 550） 對輸出節(jié)點 ()llz f ? （ 551） 39。 ( ) (1 )l l lf ne t z z?? （ 552） 對輸出節(jié)點 ()jjy f ? （ 553） 39。 ()( ) 1j j jf ne t y y?? （ 554） 求函數(shù)梯度有兩種方法：遞