【導讀】之一，準確的負荷預測為電力系統(tǒng)的穩(wěn)定，可靠，經(jīng)濟的運行提供了便利條件。負荷預測的精度的保證成為現(xiàn)在電力科學人員的重要工作，負荷預。測誤差大直接導致導致成本增加，電力系統(tǒng)調度難度變大等后果。本文簡單闡述電力系統(tǒng)負荷預測的內容，負荷的特點。并介紹幾種國內外所。短期負荷預測這類問題有自適應，自主學習的優(yōu)點。本文將利用人工神經(jīng)網(wǎng)絡。性逼近功能來實現(xiàn)的。的BP算法并將其應用于負荷預測研究的計算過程。建好模型之后，利用原始的5到20日的整點負荷數(shù)據(jù)來預測第21，22及。其進行分析，畫出負荷數(shù)據(jù)變化曲線和原始數(shù)據(jù)的曲線進行比較。

　　

【正文】 7001800190020xx21002200230024002500時間（小時）負荷（KW） 圖 42 某地區(qū) 21 日預測負荷擬合圖 0 5 10 15 20 251500160017001800190020xx21002200230024002500時間（小時）負荷（KW） 圖 43 某地區(qū) 22 日負荷預測擬合圖 、 福州大學本科生畢業(yè)設計（ 論文） 20 0 5 10 15 20 25160017001800190020xx21002200230024002500時間（小時）負荷（KW） 圖 44 某地 區(qū) 23 日負荷預測擬合圖 預測結果分析 由上述仿真看來， BP 網(wǎng)絡基本能滿足負荷預測誤差精度的要求，但仍有問題存在。因為要預測三天的負荷，只能用前 16 天作為樣本，并用 20 日來預測21 日的負荷，接著要用 21 日預測出的負荷再來預測 22 日的負荷，再用 22 日預測的負荷來預測 23 日的，越往后預測，由于第一次預測已經(jīng)存在誤差，則越往后預測誤差越大，所以神經(jīng)網(wǎng)絡 BP 算法只能預測短期內的負荷數(shù)據(jù)。另外一方面，這里沒有考慮氣候、溫度、節(jié)假日等對負荷預測的影響，使得誤差沒有進一步的減小，使得曲線起伏較大，但由于我國 目前的國情，數(shù)據(jù)獲取難度比較大，尤其是實時的天氣數(shù)據(jù)，由于天氣變化比較快，實時天氣數(shù)據(jù)很難獲取，這就加大了負荷預測的難度。第三點就是 BP 算法預測第二天或下一小時必須有今天或者這個小時的數(shù)據(jù)，這就要求相應數(shù)據(jù)必須第一時間統(tǒng)計出來，尤其是預測第二天負荷，要等今天 24 小時全部數(shù)據(jù)出來才可以預測，加大了預測的難度和效率。由于參數(shù)不完整性的問題雖然獲得了一定精度，但由于樣本選取比較嚴格，所以樣本的需求量比普通的人工神經(jīng)網(wǎng)絡模型要大 [15]。 電力系統(tǒng)整點負荷預測研究 21 第 6章 結論與展望 本文通過對神經(jīng)網(wǎng)絡 BP 算法的介紹，并將其應用于 短期負荷預測研究，再經(jīng)過建模，訓練網(wǎng)絡，調節(jié)參數(shù)等一系列工作之后，預測了某地區(qū)三天的負荷數(shù)據(jù)。 電力系統(tǒng)是一個龐大復雜的系統(tǒng)，并伴隨著信息化、節(jié)能化在不斷發(fā)展，越來越多的超高壓甚至特高壓線路在不斷建設，對電力科學的要求在不斷提高，其中負荷預測技術顯得尤為重要，其精度決定著電能質量以及電力系統(tǒng)能否為各行業(yè)提供良好的供電服務。由于電力系統(tǒng)負荷變化具有周期性和一定的規(guī)律性，而神經(jīng)網(wǎng)絡又有很好的學習能力和自適應能力，所以用神經(jīng)網(wǎng)絡來訓練負荷樣本比用傳統(tǒng)方法依靠調度員依靠自己的經(jīng)驗來判斷負荷值具有更高的可信性和有效性 。雖然神經(jīng)網(wǎng)絡 BP 算法有著幾個缺陷，比如收斂速度慢、初始權值選取的隨機性、容易陷入局部極小等，但是在短期負荷預測的領域里，它的誤差范圍是在誤差允許范圍之內的，而且 BP 算法在非線性逼近方面有其他方法無可比擬的優(yōu)勢，再一次證明其可行性。 如今，負荷預測有著多種多樣的方法，每種方法都有自己的優(yōu)勢和局限性，在進行負荷預測的時候會產(chǎn)生不同的效果，沒有哪一種方法是最好的，誤差是最小的，而且不能單一只考慮誤差大小，還要考慮外界因素和成本的投入，由于本文的處理手法比較單一，沒有注重處理一些細節(jié)，應該對理論進行改進和加強，多 加入一些新的技術。 目前，我國處于一個東部地區(qū)用電量大但電力資源短缺，西部地區(qū)用電量小但電力資源豐富的環(huán)境，因此各地區(qū)的調度部門應該合理分配電力資源，加強負荷預測精度，使得每一度電都不浪費，降低電力資源浪費對國家經(jīng)濟發(fā)展的影響，神經(jīng)網(wǎng)絡預測短期負荷有很光明的發(fā)展前景，可供各地區(qū)的電力調度部門采納使用。 福州大學本科生畢業(yè)設計（ 論文） 22 參考文獻 [1] 潘維民，沈理 .基于神經(jīng)網(wǎng)絡的時間序列動態(tài)預測器的調整學習算法。電子學報 .. [2].盧建昌 .基于電力市場的短期負荷預測建模理論及應用研究 .天津：天津大學博士學位 論文， 20xx,1516 [3] Niu Dongxiao， Zhang Wenlen． Adjustment grey model for load forecasting of power systems[J]． The Journal of Grey System， 1994， (6)： 127— 134． [4]. 韓鋒 .基于模糊神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷預測 .保定：河北農業(yè)大學碩士學位論文， 20xx,6:56. [5] 韓力群．人工神經(jīng)網(wǎng)絡理論 ,設計及應用 [M]．北京：化學工業(yè)出版社，20xx． 51— 56 [6]. 劉強 .基于模糊神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷預測 .石家莊：河北科技大學碩士學位論文， 20xx,4 [7]. 牛東曉，曹樹華，趙磊，張文文 .電力負荷預測技術及其應用 [M].北京：中國電力出版社， ， ,196201. [8]. 高強 .電力系統(tǒng)短期負荷預測 .沈陽：沈陽工業(yè)大學碩士學位論文，20xx,23. [9]. 牛東曉，曹樹華，趙磊，張文文 .電力負荷預測技術及其應用 [M].北京：中國電力出版社， ， ,196201. [10]. 盧崢 .電力系統(tǒng)短期負荷預測研究 .長沙： 湖南大學碩士學位論文， 20xx：78 [11] 胡啟元 . 針對電力系統(tǒng)短期負荷預測的研究： .成都：四川大學碩士學位論文， 20xx,1011 [12] 趙林明，胡浩云，魏德華等 .多層前向人工神經(jīng)網(wǎng)絡 .第一版 .鄭州 :黃河水利出版社， 1999 .440. [13] Chow T W S,Leung C work based shortterm load forecasting using weather pensation [J].IEEET Ranson power. [14] 侯媛彬，杜京義，汪梅 .神經(jīng)網(wǎng)絡 [M].西安：西安電子科技大學出版社，20xx,1718. 電力系統(tǒng)整點負荷預測研究 23 [15] 肖國權，王春，張福偉。電力負荷預測。中國電力出版社， 20xx,7. 附錄 BP 算法預測負荷的程序： a=[1702 1560 1522 1504 1509 1515 1696 1828 1970 2114 2190 2322 2065 20xx ... 2039 2041 2125 2275 2308 2355 2294 2203 2091 1863。 1692 1602 1558 1501 1474 1516 1721 1874 2044 2120 2196 2309 2061 2024 ... 2050 2075 2176 2313 2354 2434 2331 2215 2174 1941。 1764 1662 1582 1535 1521 1568 1748 1861 2023 2120 2188 2345 2038 1995 ... 2031 2020 2121 2261 2295 2383 2323 2199 2120 1948。 1789 1642 1595 1568 1543 1579 1661 1811 1925 20xx 2063 2194 1930 1887 ... 1913 1898 1972 2112 2154 2285 2333 2155 2054 1864。 1684 1609 1532 1509 1488 1531 1790 1902 2030 2143 2220 2341 20xx 20xx ... 2064 2053 2149 2247 2292 2412 2338 2234 2140 1931。 1751 1643 1581 1546 1518 1555 1779 1851 2050 2143 2234 2348 2031 2022 ... 2063 2043 2157 2263 2298 2439 2331 2276 2136 1908。 1726 1648 1574 1528 1541 1589 1807 1897 2066 2184 2236 2378 2055 2051 ... 2107 2137 2191 2315 2337 2482 2396 2289 2197 20xx。 1794 1693 1626 1607 1584 1622 1886 1947 2098 2213 2307 2392 2064 2054 ... 2140 2125 2207 2328 2328 2511 2428 2324 2235 20xx。 1829 1719 1644 1608 1627 1634 1882 1998 2142 2233 2268 福州大學本科生畢業(yè)設計（ 論文） 24 2392 2070 2073 ... 2133 2117 2208 2284 2330 2504 2447 2351 2276 2070。 1877 1748 1693 1625 1614 1670 1837 1910 2055 2159 2254 2347 2067 2052 ... 2101 2088 2215 2356 2331 2396 2335 2263 2715 1980。 1840 1694 1620 1588 1593 1602 1746 1785 1906 1984 2091 2227 1955 1906 ... 1956 1964 2055 2170 2169 2333 2296 2228 2131 1928。 1786 1665 1622 1577 1526 1580 1810 1848 2024 2156 2234 2392 2067 2054 ... 2122 2104 2192 2273 2305 2490 2416 2346 2212 20xx。 1862 1715 1671 1633 1609 1645 1842 1937 2059 2197 2283 2399 2061 2053 ... 2145 2147 2283 2371 2378 2410 2309 2171 2060 1867。 1727 1651 1569 1520 1531 1549 1816 1873 20xx 2098 2188 2352 20xx 20xx ... 2049 2056 2144 2256 2297 2450 2385 2311 2184 1999。 1790 1740 1635 1659 1576 1619 1839 1921 2061 2136 2221 2355 2033 20xx ... 2073 2080 2147 2265 2260 2425 2381 2304 2182 1955。 1791 1692 1625 1597 1588 1634 1853 1911 2089 2155 2245 2378 2096 2053 ... 2126 2132 2219 2322 2340 2475 2397 2332 2261 2036。 1847 1716 1618 1623 1606 1633 1805 1880 2037 2146 2242 2373 2058 2034 ... 2129 2118 2210 2295 2318 2455 2398 2304 2231 2050。 1871 1752 1702 1644 1605 1670 1826 1800 1854 20xx 2060 2218 1978 1938 ... 20xx 1991 2071 2150 2216 2264 2309 2210 2127 1909。 1754 1631 1586 1561 1555 1593 1690 1735 1913 2069 2138 2228 1984 1920 ... 1968 1990 2115 2275 2224 2291 2218 2123 20xx 1856]39。%5到 23日負荷數(shù)據(jù) 19?24 L=length(a)。 電力系統(tǒng)整點負荷預測研究 25 u0=min(min(a))。 U0=max(max(a))。 b=(au0)/(U0u0)。%把負荷數(shù)據(jù)進行歸一化處理 samplelist=b(1:end,1:15)。%輸入矩陣 expectlist=b(1:end,2:16)。%輸出矩陣 =newff(minmax(samplelist),[50,24],{39。tansig39。,39。purelin39。},39。traingd39。)。%建立網(wǎng)絡， 50個隱含層節(jié)點， 24個輸出層節(jié)點 =20xx0。%訓練次數(shù)上限 20xx0次 =1e3。%訓練目標