【正文】 合程度優(yōu)于最小二乘法。 通過上述的相關指數(shù)（相關系數(shù)）、標準差、離散系數(shù)的分析，我們可以看出標準BP神經(jīng)網(wǎng)絡在網(wǎng)絡的擬合精度上有顯著的優(yōu)勢，具有很高的擬合精度。 附加動量法由于采用傳統(tǒng)BP算法有容易陷入局部最小值,需要較長的訓練時間等缺點。通過增加動量項可以反映以前積累的調(diào)整經(jīng)驗，起了阻尼作用。當誤差曲面出現(xiàn)驟然起伏時，可減小振蕩趨勢，提高訓練速度[22]。通過對標準BP神經(jīng)網(wǎng)絡程序的修改，提出了附加動量法，結(jié)論如下： 標準BP神經(jīng)網(wǎng)絡與附加動量神經(jīng)網(wǎng)絡循環(huán)次數(shù)對比預測方法循環(huán)次數(shù)標準BP神經(jīng)網(wǎng)絡65附加動量神經(jīng)網(wǎng)絡62由于本次設計中模型本身沒有陷入局部最小值，故上述程序設計沒有體現(xiàn)附加動量法的跳出局部最小值的作用效果，但通過循環(huán)次數(shù)的比較我們也不難看出，附加動量法同時能以更小的循環(huán)次數(shù)達到預定的精度目標，提高了訓練速度，因此比標準的BP神經(jīng)網(wǎng)絡具有更好的性能。結(jié)論電力系統(tǒng)短期負荷預測是電力市場化和電網(wǎng)正常運行的基礎和前提，對于提高對電力部門的經(jīng)濟效益有著十分重要的意義。為滿足電力市場發(fā)展的需求，保證電力系統(tǒng)安全、優(yōu)質(zhì)、經(jīng)濟的運行，本文針對BP人工神經(jīng)網(wǎng)絡技術(shù)對電力系統(tǒng)短期負荷預測進行了研究。總結(jié)全文，得出以下主要結(jié)論：(1) 構(gòu)建了基于BP神經(jīng)網(wǎng)絡電力負荷預測模型，應用建立的神經(jīng)網(wǎng)絡對電力負荷進行了負荷預測，并同時運用最小二乘法建立的模型進行誤差對比，驗證了神經(jīng)網(wǎng)絡模型的可行性，得出BP神經(jīng)網(wǎng)絡在精度上的優(yōu)勢。(2) 針對BP網(wǎng)絡模型建立中的隱含層數(shù)確定、學習數(shù)率的選擇、初始權(quán)值及歸一化處理等相關問題進行分析，編寫相關MATLAB程序，驗證了所選模型的可行性。(3) 在分析BP網(wǎng)絡缺陷的基礎上，采用附加動量法改進標準BP神經(jīng)網(wǎng)絡算法，用以提高訓練速度，避免網(wǎng)絡陷入局部最小值。由于樣本數(shù)據(jù)量的限制，沒有對它相關信息(包括天氣情況、溫度、降雨量、相對濕度等)與負荷變化的關系問題加入到模型中進行分析,在模型中需要進一步考慮跟多的因素；本文的預測工作并未考慮特殊節(jié)假日和周末的這些對電力負荷帶來很大影響的負荷預測，需要建立較好的模型還有待進一步學習和完善；同時對于隱含層數(shù)的選擇上沒有明確的參數(shù)指導，也有待一步學習與思考。謝 辭 值此論文完成之際，首先要感謝何怡剛老師和李生虎老師。老師平日里工作繁多，但在我做畢業(yè)設計的每個階段，從一開始查閱資料，論文方向的選定，中期檢查，后期詳細地設計到最后整篇文論的完成，都非常耐心的對我進行指導。給我提供論文大量數(shù)據(jù)資料和建議，告訴我應注意的細節(jié)問題，細心的給我指出錯誤。老師嚴肅的科學態(tài)度，嚴謹?shù)闹螌W精神，精益求精的工作作風，深深地感染和激勵著我。當我對論文的思路感到迷茫時，您為我理清思路，指導我往一條比較清晰的思路上進行修改。在論文的不斷修改中，我也努力做到及時積極地老師交流，使我的論文得到不斷地完善。 然后還要感謝所有在大學期間傳授我知識的老師，每一位老師的悉心教導都是我完成這篇論文的基礎。同時也要感謝我的母校合肥工業(yè)大學，給了我知識，給了我思想，給了我成長，也給了我舞臺。感謝所有給予我關心和幫助的朋友們。人生的每個階段都值得好好珍惜，這段青蔥歲月，在你們的關心和幫助下，我不斷成長。我今后的工作生涯中，我也會更加認真努力。 [參 考 文 獻] [1] 謝潔樹．電力負荷預測的方法研究[J]．燈與照明，2008，3(32)：52～55.[2] 牛曉東，曹樹華，趙磊，[M].北京：中國電力出版社，.[3] 劉晨暉．電力系統(tǒng)負荷預報理論與方法[M]．哈爾濱：哈爾濱工業(yè)大學出版社，～18.[4] 李艷芳．電力負荷預測[D].南昌：南昌大學，2007．[5] 吳軍基，倪黔東，[J]. 繼電器，1999，27（3）：2728.[6] [J].企業(yè)科技與發(fā)展，2010,11（2）：5758.[7] [D].鄭州：鄭州大學電力系統(tǒng)及其自動化專業(yè)，2007.[8] [D].沈陽：沈陽工業(yè)大學，2003. [9] 康重慶，夏清，[M].北京：中國電力出版社，.[10] [D].天津：天津大學控制理論與控制工程專業(yè)，2009.[11] (第三版)[M]．合肥：中國科學技術(shù)大學出版社．.[12] [M].北京：國防工業(yè)出版社，.[13] Khotanzad，AfldaarniRohamiR，LuTal．Annstlfaneural．networkbased electric load forecasting system[J]．IEEE Trans on neural network，1997，8(4)：835～845．[14] 李林川，夏道止，楊振平．應用人工神經(jīng)網(wǎng)絡進行短期負荷預測[J].電力系統(tǒng)及其自動化學報，1994，6(3):33－41．[15] 秦桂芳，伍世勝，基于神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷預測[J].電氣開關，2011，2(4)：3743.[16] 菜廣基，嚴玉清．構(gòu)建BP網(wǎng)絡結(jié)構(gòu)方法分析[J]．河南師范大學學報，2001，29(3)：65—68．[17] 姜勇．電力系統(tǒng)中短期負荷預測方法簡介[J]．東北電力技術(shù)，2002，23(8)：49—52．[18] Park D C ElSharkawi M A．Marks J et a1．Electric Load Forecasting Using a Neural Network[J]．IEEE Trans on Power System，1991，6(2)L:442—449．[19] [D].南京：南京信息工程學院，2005.[20] [D].合肥：合肥工業(yè)大學，2005.[21] 丁天懷，李勇，苗君哲，[J].農(nóng)業(yè)工程學報，2003，19（3）：137139.[22] [D].武漢：華中科技大學，2007.附錄1:最小二乘法的MATLAB程序 最小二乘法三次式擬合的MATLAB程序 以第13天的1時刻的負荷為例，編寫的MATLAB程序如下：A=ones(13,4)。X=[1 2 3 4 5 6 7 8 9 10 11 12 13]。Y=[ ]。for k=0:3net1=。for i=1:13net1=net1+X(i)^k*A(i,k+1)。endnet2=。for i=1:13net2=net2+X(i)^(k+1)*A(i,k+1)。endnet3=。for i=1:13net3=net3+X(i)^(k+2)*A(i,k+1)。endnet4=。for i=1:13net4=net4+X(i)^(k+3)*A(i,k+1)。endnet5=。for i=1:13net5=net5+X(i)^k*Y(i)*A(i,k+1)。enda(k+1)=net1。b(k+1)=net2。c(k+1)=net3。d(k+1)=net4。e(k+1)=net5。endB=cat(2,a39。,b39。,c39。,d39。)。Y=[e39。]。C=inv(B)。D=C*Y。O=[13^0 13^1 13^2 13^3]*D。附錄2 標準BP神經(jīng)網(wǎng)絡的MATLAB程序 以第13天的1時刻的負荷為例，編寫的MATLAB程序如下：rand(39。twister39。,0)。r=12。n=7。s=1。count=1。a=。maxcount=2000。precision=。W1=*rand(r,n)。deltW1=zeros(r,n)。B1=*rand(n,s)。W2=*rand(n,s)。deltW2=zeros(n,s)。B2=*rand(1,s)。P=[ ]。T=[]。while(count=maxcount)for k=1:sd(k)=T。endfor i=1:rx(i)=P(i)。endfor j=1:nnet=。for i=1:rnet=net+x(i)*W1(i,j)。endnet=netB1(j)。y(j)=1/(1+exp(net))。endfor k=1:snet=。for j=1:nnet=net+y(j)*W2(j,k)。endnet=netB2(k)。o(k)=net。endfor k=1:sd(k)=T(k)。endfor k=1:serrort=(d(k)o(k))^2。enderror(count)=*errort。for k=1:schu(k)=(d(k)o(k))。endfor j=1:nyin(j)=。for k=1:syin(j)=yin(j)+chu*W2(j,k)。endendfor j=1:nfor k=1:sdeltW2(j,k)=a*chu(k)*y(j)。W2(j,k)=W2(j,k)+deltW2(j,k)。endendfor k=1:sB2(k)=B2(k)+a*chu(k)。endfor i=1:rfor j=1:ndeltW1(i,j)=a*yin(j)*x(i)。W1(i,j)=W1(i,j)+deltW1(i,j)。endendfor j=1:nB1(j)=B1(j)+a*yin(j)。endif(error(count)precision)break。endcount=count+1。endp=1:count。plot(p,error(p),39。39。)。附錄3 附加動量法的MATLAB程序 以第13天的1時刻的負荷為例，編寫的MATLAB程序如下：rand(39。twister39。,0)。r=12。n=7。s=1。count=1。errorp=。a=。b=。maxcount=2000。precision=。W1=*rand(r,n)。deltW1=zeros(r,n)。dW1=zeros(r,n)。B1=*rand(n,s)。deltB1=zeros(n,s)。dB1=zeros(n,s)。W2=*rand(n,s)。deltW2=zeros(n,s)。dW2=zeros(n,s)。B2=*rand(1,s)。deltB2=zeros(1,s)。dB2=zeros(1,s)。P=[ ]。T=[]。while(count=maxcount)for k=1:sd(k)=T。endfor i=1:rx(i)=P(i)。endfor j=1:nnet=。for i=1:rnet=net+x(i)*W1(i,j)。endnet=netB1(j)。y(j)=1/(1+exp(net))。endfor k=1:snet=。for j=1:nnet=net+y(j)*W2(j,k)。endnet=netB2(k)。o(k)=net。endfor k=1:sd(k)=T(k)。endfor k=1:serrort=(d(k)o(k))^2。endif errort*errorperrorp=errort。b=0。else b=enderror(count)=*errort。for k=1:schu(k)=(d(k)o(k))。endfor j=1:nyin(j)=。for k=1:syin(j)=yin(j)+chu(k)*W2(j,k)。endendfor j=1:nfor k=1:sdeltW2(j,k)=a*chu(k)*y(j)。W2(j,k)=W2(j,k)+(1b)*deltW2(j,k)+b*dW2(j,k)。dW2(j,k)=deltW2(j,k)。endendfor k=1:sdeltB2(k)=a*chu(k)。B2(k)=B2(k)+(1b)*deltB2(k)+b*dB2(k)。dB2(k)=deltB2(k)。endfor i=1:rfor j=1:ndeltW1(i,j)=a*yin(j)*x(i)。W1(i,j)=W1(i,j)+(1b)*deltW1(i,j)+b*dW1(i,j)。dW1(i,j)=deltW1(i,j)。endendfor j=1:ndeltB1(j)=a*yin(j)。B1(j)=B1(j)+(1b)*deltB1(j)+b*dB1(j)。dB1(j)=deltB1(j)。endif(error(count)precision)break。endcount=count+1。endp=1:count。plot(p,error(p),39。39。)。