【導(dǎo)讀】發(fā)展也依賴于社會對電力的需求。電力系統(tǒng)的作用就是對各類用戶提供盡可能經(jīng)濟(jì)可。是滿足負(fù)荷要求。所以正確的電力負(fù)荷預(yù)測既可以為國民經(jīng)濟(jì)的發(fā)展提供充足的電。負(fù)荷預(yù)測是整個規(guī)劃工作的基礎(chǔ)和前提。對未來一月至一年的負(fù)荷進(jìn)行預(yù)測的。濟(jì)運(yùn)行所必需的手段之一。電力系統(tǒng)負(fù)荷預(yù)測為這一地區(qū)電力規(guī)劃奠定了一定的基。和人力資源的需求與平衡提供可靠的依據(jù)。因此，電力負(fù)荷預(yù)測是一項十分重要的工。其中首先根據(jù)實際經(jīng)。乘法預(yù)測日最大負(fù)荷和日最小負(fù)荷。利用相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)方法對未來24小時負(fù)荷。電力負(fù)荷預(yù)測中的負(fù)荷概念是指國民經(jīng)濟(jì)整體或部門或地區(qū)對電力和電量消費(fèi)的。歷史情況及未來的變化發(fā)展趨勢。較高的預(yù)測精度充分表明了它的科學(xué)合理性。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。ofGreySystems”,引起了國際上的充分重視?；疑到y(tǒng)理論的形成是有過程的。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

　　

【正文】 構(gòu)比較復(fù)雜，神經(jīng)元個數(shù)比較多，需要適當(dāng)增大訓(xùn)練次數(shù)和學(xué) 習(xí)速率。訓(xùn)練參數(shù)的設(shè)定如表所示。 表 訓(xùn)練參數(shù) 訓(xùn)練次數(shù) 訓(xùn)練目標(biāo) 學(xué)習(xí)速率 1 238 24 n 1 2 24 輸出層 隱 層 輸入層 本科畢業(yè)設(shè)計說明書（論文） 第 26 頁 共 41 頁 1000 訓(xùn)練代碼如下： =1000。 =。 =。 =train(,P,T)。 %P 為輸入向量， T 為目標(biāo)向量 休息日訓(xùn)練結(jié)果為： TRAINRP, Epoch 0/1000, MSE , Gradient TRAINRP, Epoch 17/1000, MSE , Gradient TRAINRP, Performance goal met. 工 作日訓(xùn)練結(jié)果為 : TRAINRP, Epoch 0/1000, MSE , Gradient TRAINRP, Epoch 22/1000, MSE , Gradient TRAINRP, Performance goal met. 可見，經(jīng)過次訓(xùn)練后，網(wǎng)絡(luò)誤差達(dá)到要求，結(jié)果如圖 (休息日訓(xùn)練結(jié)果 )所示 ,圖 (工作日訓(xùn)練結(jié)果 )所示。 圖 (休息日 )訓(xùn)練結(jié)果 本科畢業(yè)設(shè)計說明書（論文） 第 27 頁 共 41 頁 圖 (工作日 )訓(xùn)練結(jié)果 訓(xùn)練好的網(wǎng)絡(luò)還需要進(jìn)行測試才可以判定是否可以投入實際應(yīng)用。 休息日測試 代碼如下： P_test=[ ]39。 Out=sim(,P_test)。 工作日測試代碼如下： P_test=[ ]39。 Out=sim(,P_test)。 這里利用仿真函數(shù) sim 來計算網(wǎng)絡(luò)的輸出。預(yù)報誤差曲線如圖 (休息日預(yù)報誤差曲線 )所示 ,圖 (工作日預(yù)報誤差曲線 )所示。 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。本文介紹的基于 BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測方法，在綜合考慮天氣情況、歷史負(fù)荷和日類型等對未來負(fù)荷影響的因素后，使用了神經(jīng)網(wǎng) 本科畢業(yè)設(shè)計說明書（論文） 第 29 頁 共 41 頁 絡(luò)的非線性擬合等功能 [18]，取得了較好的負(fù)荷預(yù)測效果。如表 休息日預(yù)測結(jié)果對照所示，如表 工作日預(yù)測結(jié)果對照所示。 表 休息日預(yù)測結(jié)果對照 預(yù)測時段 實際值 /MW 預(yù)測值 /MW 誤差 /% 1： 00 2： 00 3： 00 4： 00 5： 00 6： 00 7： 00 8： 00 9： 00 10： 00 11： 00 12： 00 13： 00 14： 00 15： 00 16： 00 17： 00 18： 00 19： 00 20： 00 21： 00 22： 00 23： 00 24： 00 從表 可見， 17 個點(diǎn)的誤差的絕對百分誤差小于 5%，最小絕對百分誤差為 本科畢業(yè)設(shè)計說明書（論文） 第 30 頁 共 41 頁 %，最大絕對百分誤差為 %，平均絕對百分誤差為 %，表明預(yù)測取得了較滿意的結(jié)果。 表 工作日預(yù)測結(jié)果對照 預(yù)測時段 實際值 /MW 預(yù)測值 /MW 誤差 /% 1： 00 2： 00 3： 00 4： 00 5： 00 6： 00 7： 00 8： 00 9： 00 10： 00 11： 00 12： 00 13： 00 14： 00 15： 00 16： 00 17： 00 18： 00 19： 00 20： 00 21： 00 22： 00 23： 00 24： 00 從表 可見， 18 個點(diǎn)的誤差的絕對百分誤差小于 5%，最小絕對百分誤差為 本科畢業(yè)設(shè)計說明書（論文） 第 31 頁 共 41 頁 %，最大絕對百分誤差為 %，平均絕對百分誤差為 %，表明預(yù)測取得了較滿意的結(jié)果。 結(jié)束語 本文介紹的電力中、短期負(fù)荷預(yù)測的特點(diǎn)，即都是受多個影響因素共同影響，且各個因素之間有著比較復(fù)雜的關(guān)系，具有高度不確定的非線性系統(tǒng)，利用傳統(tǒng)的 預(yù)測方法有著諸多限制，而采用神經(jīng)網(wǎng)絡(luò)方法則能較好地克服這些限制，實現(xiàn)精確的非線性預(yù)測。 為了進(jìn)一步提高網(wǎng)絡(luò)的預(yù)測精度，需要從以下幾個方面展開研究： （ 1） 網(wǎng)絡(luò)的訓(xùn)練過程是從給定的樣本數(shù)據(jù)中歸納出輸入、輸出之間的復(fù)雜規(guī)律，為了能夠更加精確地對系統(tǒng)進(jìn)行預(yù)測，樣本數(shù)據(jù)應(yīng)該盡可能準(zhǔn)確。 （ 2） 提高 網(wǎng)絡(luò)預(yù)測能力的主要途徑有 :a 盡可能增加樣本的涵蓋面； b 在輸入中盡可能地包括影響輸出的主要因子； c 確定適當(dāng)?shù)氖諗空`差。對于常用的 BP 算法，可考慮采用遺傳算法、小波分析和徑向基函數(shù)做進(jìn)一步的深入研究。 （ 3） 針對 BP 算法中存在的收斂速度慢、易陷入局部最小值的問題，可采用附加動量法和自適應(yīng)學(xué)習(xí)速率法在一定程度上解決這些問題。附加動量法是在 BP 算法的基礎(chǔ)上，在每個權(quán)值變化上加上一項正比于上一次權(quán)值變化量的值，并根據(jù) BP 算 本科畢業(yè)設(shè)計說明書（論文） 第 32 頁 共 41 頁 法來產(chǎn)生新的權(quán)值變化，利用附加動量法可能會避開某些局部最小值。自適應(yīng)學(xué)習(xí)速率法是在學(xué)習(xí)過程中 不斷修正學(xué)習(xí)速率，有利于提高學(xué)習(xí)效率，縮短學(xué)習(xí)時間。 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。老師淵博的知識、豐富的實踐經(jīng)驗和嚴(yán)謹(jǐn)?shù)目茖W(xué)作風(fēng)讓我十分敬佩，老師不辭辛勞，對每一個細(xì)節(jié)的詳細(xì)講解、指導(dǎo)和答疑解惑讓我們深受啟發(fā)，并深為感動。如果沒有老師的悉心指導(dǎo)，老師的督促， 本論文也不可能完成得如此順利 。 在為期幾個月的設(shè)計中，同學(xué)們的團(tuán)結(jié)互助，無私幫助讓我十分的感動，如果在這幾個月中，我單憑一己之力要完成本設(shè)計是十分困難的，因為本設(shè)計的知識和內(nèi)容大部 分是以前未曾接觸的，有許多新的東西要求我在短短幾個月內(nèi)消化吸收。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。此外，我還要感謝我所列參考文獻(xiàn)的作者，正是他們的許多研究成果給了我很大的幫助，在此表示誠摯的謝意！ 本科畢業(yè)設(shè)計說明書（論文） 第 33 頁 共 41 頁 參 考 文 獻(xiàn) [1] 飛思科技產(chǎn)品研發(fā)中心編 .神經(jīng)網(wǎng)絡(luò)理論與 MATLAB7 實現(xiàn) [M].北京：電子工業(yè)出版社 ,20xx. [2] 許東， 吳錚編著 .基于 的系統(tǒng)分析與設(shè)計 —— 神經(jīng)網(wǎng) 絡(luò) [M].西安：西安電子科技大學(xué)出版社， 20xx. [3] 趙希正編著 .中國電力負(fù)荷特性分析與預(yù)測 [M].北京：中國電力出版社， 20xx. [4] 于爾鏗，劉廣一， 周京陽等編著 .能量管理系統(tǒng)（ EMS） [M].北京：科學(xué)出版社，1998. [5] 張乃堯， 閻平凡編著 .神經(jīng)網(wǎng)絡(luò)與模糊控制 [M].北京：清華大學(xué)出版社， 1998. [6] 牛東曉，曹樹華， 趙磊等編著 .電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用 [M].北京：中國電力出版社， 1998. [7] 諸靜編著 .模糊控制原理與應(yīng)用 [M].北京：機(jī)械工業(yè)出版社， 1995. [8] 焦李成 .神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論［ M］ . 西安： 西安電子科技大學(xué)出版社， 1990. [9] 侯志儉 ， 李濤等 .基于小波分析的電力系統(tǒng)短期負(fù)荷預(yù)測方法 [J].中國電機(jī)工程學(xué)報， 20xx， 23（ 1）： 4550. [10] 冉啟文 ， 單永正 ， 王騏等 .電力系統(tǒng)短期負(fù)荷預(yù)報的小波 神經(jīng)網(wǎng)絡(luò) PARIMA 方法[J]. 中國電機(jī)工程學(xué)報， 20xx， 23（ 3）： 3842. [11] 肖國泉 ， 王春 ， 張福偉編著 .電力負(fù)荷預(yù)測 [M].北京：中國電力出版社， 20xx. 本科畢業(yè)設(shè)計說明書（論文） 第 34 頁 共 41 頁 [12] 施泉生 .短期負(fù)荷 預(yù)報模型庫的研究及應(yīng)用 [J].系統(tǒng)工程理論與實踐， 1996， 16（ 7）： 99104. [13] ，數(shù)值計算，科學(xué)出版社， 1959 年 . [14] Brown,R,G. The Fundamental Theorem of Exponential Smoothing, Operations Research, pp673685,1961. [15] 王雪峰 ， 馮英浚 .多層神經(jīng)網(wǎng)絡(luò)的一個快速算法［Ｊ］ .運(yùn)籌學(xué)學(xué)報， 1998， (3)：25～ 29． [16] 王雪峰 ， 馮英浚 .多層神經(jīng)網(wǎng)絡(luò)的一種新學(xué)習(xí)算法 ［Ｊ］ .哈爾濱工業(yè)大學(xué)學(xué)報，1997， (2)： 23～ 25. [17] Chow TW work based shortterm load forecasting using weather pensation [J].IEEE Trans on PWRS. 1996, 11(4):17361742. [18] , et novel approach to shortterm load forecasting using fuzzy neural works [J].IEEE. Transactions on Power System,1998,13(2):480492. 附錄 Ⅰ ：歸一化 MATLAB 代碼 %p 為休息日原始輸入數(shù)據(jù) p=[ 。 。 。 。 。 。 。 。 。 ]39。 %P 表示歸一化后的輸入向量 for i=1:26 本科畢業(yè)設(shè)計說明書（論文） 第 35 頁 共 41 頁 P(i,:)=(p(i,:)min(p(i,:)))/(max(p(i,:))min(p(i,:)))。 end %p 為工作日原始輸入數(shù)據(jù) p=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。