【正文】 隨機選取RBF中心(直接計算法)[12]。輸出層是對線性權(quán)進行調(diào)整，采用的是線性優(yōu)化策略，因而學(xué)習(xí)速度較快。輸出層節(jié)點相應(yīng)的輸出則可以表示為： (314)由此可見，對于RBF網(wǎng)絡(luò)來說，,及是最為重要的參數(shù)，設(shè)計RBF網(wǎng)絡(luò)的任務(wù)就是用一定的學(xué)習(xí)算法來確定這三個參數(shù)。網(wǎng)絡(luò)輸出層第個節(jié)點的輸出，則為隱含層節(jié)點輸出的線性組合： (39)其中，是隱含層到輸出層的權(quán)值；是第個輸出節(jié)點的閾值。 RBF神經(jīng)網(wǎng)絡(luò)的具體實現(xiàn)對RBF徑向基函數(shù)的定義如下：設(shè)(為維實數(shù)空間)，以為中心，到的距離為半徑所形成的核構(gòu)成的徑向?qū)ΨQ函數(shù)，稱為徑向基函數(shù)。圖34 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖RBF神經(jīng)網(wǎng)絡(luò)的基本思想是：用徑向基函數(shù)作為隱單元的“基”，構(gòu)成隱含層空間，而輸入層直接傳遞輸入信號到隱含層，這樣就可以將輸入矢量直接映射到隱空間，使得隱含層單元輸出即為網(wǎng)絡(luò)輸入的徑向基函數(shù)映射，這種映射關(guān)系在RBF的變換中心確定之后也自然就確定了；另一方面，由隱含層空間到輸出空間的映射是線性的，即網(wǎng)絡(luò)的輸出是隱含層單元輸出的線性加權(quán)和，此處的權(quán)即隱含層單元與輸出層單元的連接權(quán)，是網(wǎng)絡(luò)的可調(diào)參數(shù)[11]。其中，輸入層直接由信號源節(jié)點構(gòu)成，其作用只是接受輸入信號并將其傳遞到隱含層；隱含層是RBF網(wǎng)絡(luò)中最重要的一層，其單元數(shù)由所求解的問題的具體情況而定，該層神經(jīng)元的傳遞函數(shù)即一種局部分布的對中心點徑向?qū)ΨQ衰減的非負非線性函數(shù)；而第三層輸出層只實現(xiàn)對隱含層節(jié)點非線性基函數(shù)輸出的線性組合，從而得到最后的結(jié)果[10]。每個神經(jīng)元是有徑向?qū)ΨQ性的“徑向基函數(shù)”，這便是RBF網(wǎng)絡(luò)名稱的由來。目前擁有正規(guī)化RBF、廣義回歸RBF、概率神經(jīng)網(wǎng)絡(luò)三大主流網(wǎng)絡(luò)理論，本文所使用以及所討論的網(wǎng)絡(luò)均為正規(guī)化RBF網(wǎng)絡(luò)，下稱RBF網(wǎng)絡(luò)[9]。S型函數(shù)的定義如下： (37)其中為Sigmoid函數(shù)的斜率參數(shù)，通過改變參數(shù)我們會獲取不同斜率的Sigmoid函數(shù)。(3) Sigmoid函數(shù)(Sigmoid Function)Sigmoid函數(shù)也稱為S型函數(shù)。圖32 閾值函數(shù) (35)(2) 分段線性函數(shù)(PiecewiseLinear Function) (36)該函數(shù)在[1,+1]線性區(qū)內(nèi)的放大系數(shù)是一致的，如圖333所示，這種形式的激勵函數(shù)可看作是非線性放大器的近似，以下兩種情況是分段線性函數(shù)的特殊形式：圖33 分段線性函數(shù)1) 若在執(zhí)行中保持線性區(qū)域而使其不進入飽和狀態(tài)，則會產(chǎn)生線性組合器。此時神經(jīng)元的輸出取1或0，反映了神經(jīng)元的興奮或抑制。 (33)激勵函數(shù)可取不同的函數(shù)，但通常用的基本激勵函數(shù)有以下三種：(1) 閾值函數(shù)(Threshold Function) (34)該函數(shù)通常也稱為階躍函數(shù)，常用表示。為神經(jīng)元的閾值或稱為偏用差用表示，為經(jīng)偏差調(diào)整后的值，也稱為神經(jīng)元的局部感應(yīng)區(qū)。圖31 人工神經(jīng)元模型其中為神經(jīng)元的輸入信號，為聯(lián)接權(quán)。(3)具有一個激勵函數(shù)用于限制神經(jīng)元輸出。通常情況下，作為神經(jīng)元模型應(yīng)具備三個要素：(1)具有一組突觸或聯(lián)接，常用表示神經(jīng)元和之間的聯(lián)接強度，或稱之為權(quán)值。人工神經(jīng)網(wǎng)絡(luò)是由簡單的處理單元所組成的大量并行分布的處理機，這種處理機具有存儲和應(yīng)用經(jīng)驗知識的自然特性，它與人腦的相似之處概括為兩個方面：一是通過學(xué)習(xí)過程利用神經(jīng)網(wǎng)絡(luò)從外部環(huán)境中獲取知識；二是內(nèi)部神經(jīng)元用來存儲獲取的知識信息。第3章 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)簡介人工神經(jīng)網(wǎng)絡(luò)(Artificial Neutral Network,ANN)，是由大量處理單元廣泛互聯(lián)而成的網(wǎng)絡(luò)，是對人腦的抽象、簡化和模擬，反映人腦的基本特性[7]。其次，還介紹了電力負荷預(yù)測的特性分析以及影響因素。本文中采用了比較常用的考核指標：每個整點的相對誤差和一天的平均相對誤差來進行誤差分析。(4) 均方根誤差。 (22)式中：MSE—均方差，其它符號同前。由于預(yù)測誤差有正有負，為了避免正負相抵消，故取誤差的絕對值進行綜合并計算其平均數(shù)，這是誤差分析的綜合指標法之一。(2) 平均絕對誤差和平均相對誤差。這是一種直觀的誤差表示方法。設(shè)Y表示實際值，表示預(yù)測值，則稱為絕對誤差，稱為相對誤差。預(yù)測誤差分析的指標。(4)某種意外事件的發(fā)生或情況的突然變化，可能產(chǎn)生預(yù)測誤差。(2)對于復(fù)雜的電力負荷變化來說，預(yù)測模型只是一種經(jīng)過簡單化了的負荷狀況的反映，與實際負荷之間存在著差距，用它來進行預(yù)測，也就會不可避免地與實際負荷產(chǎn)生誤差。(1)負荷所受影響是各種各樣的，進行預(yù)測的目的和要求也不同，所以就存在一個如何從多種預(yù)測方法中選用一個正確、合適的預(yù)測方法的問題。不但可以認識預(yù)測結(jié)果的準確程度，從而在利用預(yù)測資料作決策時具有重要的參考價值，同時，對于改進負荷預(yù)測工作，檢驗和選用恰當(dāng)?shù)念A(yù)測方法等方面也有很大幫助。誤差越大，準確性就越低；反之，誤差越小，準確性就越高。若誤差太大，就失去了預(yù)測的意義，沒有參考價值，導(dǎo)致電力規(guī)劃及生產(chǎn)決策的失誤，造成重大的經(jīng)濟損失。 負荷預(yù)測的誤差分析對預(yù)測模型進行評價非常必要的，其評價指標主要是預(yù)測誤差。隨機因素。電價的影響。溫度是影響短期負荷最主要的因素。雙休日負荷水平低于工作日，重大節(jié)假日則更有明顯的幅度下降和曲線形狀變化，各個季節(jié)也有較大的變化。如果經(jīng)濟發(fā)展速度快，負荷水平也提升得快；反之，負荷水平下降。 影響負荷預(yù)測的因素及誤差分析 影響負荷預(yù)測的主要因素短期負荷預(yù)測需要考慮的影響因素主要有以下幾種：經(jīng)濟因素。除了上述的影響因素外，還有如社會經(jīng)濟發(fā)展?fàn)顩r、隨機因素等也會對負荷產(chǎn)生影響，但是由于對于日負荷曲線而言，社會經(jīng)濟因素是一種相對變化緩慢的影響因素，對較長時間的負荷歷史記錄分析可以發(fā)現(xiàn)，負荷是按照一種固定的變化趨勢發(fā)展的，如逐步增長或逐步減少。因為高峰和低谷的電價相差較大，一些企業(yè)主動調(diào)整了作息時間，使用電高峰的緊張狀況得以緩解，但同時也給預(yù)測工作帶來了困難。電價也是影響負荷的一個因素，但以前我國的電價相對來說比較固定，電價的變動僅僅限于季節(jié)性和地域性的調(diào)整，雖然對負荷產(chǎn)生了一定的影響，但這些影響都是長期的效應(yīng)，對中長期負荷預(yù)測作用明顯，所以一般在短期負荷預(yù)測中對電價因素不予考慮。在氣象條件中，起主要作用的是溫度因素和天氣狀況。氣象條件包括溫度、濕度、風(fēng)速、日照、霧障等等，它們對負荷變化的影響一般很快，而且無確定性的規(guī)律。由于節(jié)假日負荷數(shù)據(jù)量少，受社會、經(jīng)濟和氣候等多方面團素的影響，負荷的增長和變化關(guān)系不確定，預(yù)測時間跨度長，因此節(jié)假目負荷預(yù)測的難度較大。造成這種負荷振蕩的因素主要為節(jié)假日和氣象條件的影響。這種負荷，從一個長時間周期看，具有零平均值，但是對于短周期而言，負荷的振蕩會使得負荷平均值有所改變。日負荷曲線基本以周為大周期變化，以24小時為小周期變化，這些負荷的變化就構(gòu)成了周期性負荷的變化狀況。針對短期負荷，時間周期因素包括：周周期、日周期等。根據(jù)對歷史負荷的分析，一般可把負荷分為兩類：周期性負荷和變動性負荷。一方面由于收集資料的困難，另一方面因素太多會造成建模困難，并且會帶來大量的計算。 負荷的影響因素分析電力系統(tǒng)負荷是一個很復(fù)雜的非線性系統(tǒng)，有許多直接或間接的因素都會對電力系統(tǒng)的日負荷產(chǎn)生直接的影響。這些因素都是不確定的，是不能預(yù)料的，都會對電力系統(tǒng)負荷造成沖擊，產(chǎn)生隨機負荷。負荷的波動性是隨機的，影響負荷的波動性的因素是多方面的，而這些因素的影響又是隨機的，所以構(gòu)成了負荷的波動性。峰值負荷的預(yù)測是負荷預(yù)測的重要內(nèi)容，因為這部分負荷直接影響著系統(tǒng)運行容量的確定，對系統(tǒng)的運行起重要作用。負荷變化的日周期性體現(xiàn)為以24小時為周期的負荷值的變化，一般不分季節(jié)每日都有早晚兩個高峰，早高峰一般出現(xiàn)在上午10：00點左右，晚高峰出現(xiàn)在晚上19：00到22：00左右。休息日時間(周六周日兩日)，部分工業(yè)負荷下降，人們的生活方式變化，如餐飲業(yè)、娛樂業(yè)等負荷加大，從而影響了負荷的變化，一般而言是負荷相對于工作日降低。負荷變化的周周期性。負荷的年周期性與季節(jié)的關(guān)系密切，也主要體現(xiàn)了負荷與人民生活規(guī)律的緊密關(guān)系，不同的季節(jié)，人民的生活方式和部分生產(chǎn)情況改變，則相應(yīng)地影響著負荷的變化。負荷變化的周期性是分析負荷預(yù)測的基礎(chǔ)，也是預(yù)測的關(guān)鍵。究其原因，是人類的生產(chǎn)、生活具有規(guī)律性，因此負荷變化也具有規(guī)律性。因為電力系統(tǒng)的負荷本質(zhì)上是不可控的，了解未來短期內(nèi)的負荷的可能變化的一個最有效的辦法，就是觀察負荷的歷史紀錄。負荷預(yù)測管理將符合預(yù)測報告提交后，只是本次預(yù)測告一段落，并不等于全部預(yù)測工作的結(jié)束，隨后仍需根據(jù)主客觀條件的變化及預(yù)測應(yīng)用的反饋信息進行檢驗，必要時進行修正和調(diào)整。最后在初級模型的基礎(chǔ)上，經(jīng)對比、檢驗、修正和深化后，才能選擇合理的預(yù)測模型。因此，首先應(yīng)根據(jù)預(yù)測者的經(jīng)驗并吸收他人的預(yù)測經(jīng)驗，根據(jù)對預(yù)測對象的觀察，建立初級模型。模型的選擇對預(yù)測精度有很大的影響。應(yīng)根據(jù)所確定的預(yù)測內(nèi)容，對預(yù)測對象進行客觀、詳細的分析，根據(jù)歷史數(shù)據(jù)的發(fā)展情況，并考慮本地區(qū)實際情況和資料的可利用程度，選擇建立合理的數(shù)學(xué)模型。(3) 計算一些統(tǒng)計量后，以進一步辨明資料軌跡的性質(zhì)，為建立模型做準備。(2) 查明異常值的原因后，加以處理，對于異常值，常用的處理方法是，設(shè)負荷歷史數(shù)據(jù)為，令，若，取；若，取。時間數(shù)列資料的可比性主要包括：各期統(tǒng)計指標的范圍是否完全一致；各期價值指標所用價格有無變動；各期時間單位長度是否可比；周期性的季節(jié)變動資料的各期資料是否可比，是否能如實反映周期性變動規(guī)律。對能查明原因的異常值，用適當(dāng)方法加以訂正；對原因不明而又沒有可靠修改根據(jù)的資料，最好刪去，有多少刪多少。如果中間某一項的資料空缺，則可利用相鄰兩邊資料取平均值近似代替，如果開頭一項空缺，則可利用趨勢比例計算代替。(1) 衡量統(tǒng)計資料質(zhì)量的標準衡量一個統(tǒng)計資料質(zhì)量高低的標準，主要有以下幾個方面：1) 資料完整無缺，各期指標齊全；2) 數(shù)字準確無誤，反映的都是正常狀態(tài)下的水平，資料中沒有異常的“分離項”(outlier)；3) 時間數(shù)列各值間有可比性。資料整理對搜集的與負荷有關(guān)的統(tǒng)計資料進行審核和必要的加工整理，是保證預(yù)測質(zhì)量所必須的。調(diào)查資料和選擇資料要多方面調(diào)查搜集資料，包括電力企業(yè)內(nèi)部資料和外部資料，國民經(jīng)濟有關(guān)部門的資料，以及公開發(fā)表和未公開發(fā)表的資料，然后從總舵的資料中挑選有用的一小部分，即把資料濃縮到最小量。在電力系統(tǒng)短期負荷預(yù)測中，為了更好的達到預(yù)測效果，常常按照以下步驟進行預(yù)測[6]：確定負荷預(yù)測的目的，制定預(yù)測計劃負荷預(yù)測目的要明確具體，緊密聯(lián)系電力工業(yè)實際需要，并據(jù)以擬定一個負荷預(yù)測工作計劃。（2）各個預(yù)測模型需要進行參數(shù)的合理估計，并根據(jù)預(yù)測效果不斷進行自適應(yīng)調(diào)整，以期達到更好的預(yù)測效果。預(yù)測量發(fā)展變化的自然規(guī)律復(fù)雜多樣，因此要求預(yù)測方法所具有的適應(yīng)性包括：（1）由于電力系統(tǒng)負荷預(yù)測是在一定的假設(shè)條件下進行，其中包含了許多不確定因素，采用單一的方法進行預(yù)測，很難取得令人滿意的結(jié)果。包含兩層意思，一是預(yù)測工具的先進性，由于數(shù)據(jù)量很大，可采用計算機進行各種統(tǒng)計分析及預(yù)測工作，預(yù)測人員可以從繁雜的大量計算中解脫出來，二是預(yù)測理論的先進性，可以不斷發(fā)展和應(yīng)用新的預(yù)測理論與方法，借鑒其他領(lǐng)域預(yù)測工作中的成功經(jīng)驗，使電力負荷預(yù)測達到一個較高的水平。預(yù)測工作者應(yīng)該從客觀情況出發(fā)，本著實事求是的原則，反復(fù)研究和分析歷史發(fā)展的內(nèi)在規(guī)律性，為預(yù)測工作打好基礎(chǔ)。統(tǒng)計分析的全面性。如果各種渠道所取得的數(shù)據(jù)互相矛盾，就要對歷史數(shù)據(jù)進行合理性分析與取舍，去“偽存“真”。因此，要做好負荷預(yù)測，需要搜集和掌握大量全面、準確的資料，并且進行必要的分析和整理，這是進行電力負荷預(yù)測的基礎(chǔ)。要做好負荷預(yù)測，需要滿足以下幾個方面的要求：基礎(chǔ)資料的合理性。按特性分類。其它各類負荷一般所占比例比較小，雖也都有各自的不同特點，但對整個系統(tǒng)負荷的影響不是很大。另外某些工業(yè)用戶可能具有一些特殊要求，如要求很高的功率(沖擊負荷、峰值負荷較大等)但不一定要求很大的用電量，某些工業(yè)用戶可能具有明顯的季節(jié)性特點，負荷預(yù)測中這些都需要采用相應(yīng)的措施加以對待。比如高溫季節(jié)，工業(yè)負荷也含有降溫和防暑耗電。商業(yè)負荷也同樣具有季節(jié)性變化和日變化的特點，這種變化也是由于商業(yè)部門越來越廣泛地采用空調(diào)、電風(fēng)扇等敏感于氣候的電器，以及商業(yè)營業(yè)性質(zhì)所致。在各類負荷中，城市居民負荷具有經(jīng)常的年增長以及明顯的季節(jié)性波動和日變化特點，城市居民用電負荷的季節(jié)性變化和日變化在很多情況下，直接影響系統(tǒng)峰值負荷的，但其影響程度取決于城市居民負荷在系統(tǒng)總負荷中所占的比例。電力負荷按照不同行業(yè)可以分為城市民用負荷、商業(yè)負荷、農(nóng)村負荷、工業(yè)負荷以及其它負荷。超短期負荷預(yù)測主要反映負荷在短時間內(nèi)的變化規(guī)律，可對電網(wǎng)進行計算機在線控制。超短期負荷預(yù)測指未來1h 、。短期負荷預(yù)測指一年之內(nèi)以月為單位的負荷預(yù)測，還指以周、天、小時為單位的負荷預(yù)測，通常預(yù)測未來一個月度、未來一周、未來一天的負荷指標，也包括預(yù)測未來一天24h中的負荷。長期負荷預(yù)測一般指10年以上并以年為單位的預(yù)測，中期指5年左右并以年為單位的預(yù)測。按時間分類。即預(yù)測對象的未來發(fā)展是整體的動態(tài)發(fā)展，而且整個系統(tǒng)的動態(tài)發(fā)展與它的各個組成部分和影響因素之間的相互作用和相互影響密切相關(guān)。預(yù)測對象是一個完整的系統(tǒng)，它本身有內(nèi)在的系統(tǒng)，它與外界事物的聯(lián)系又形成了它的