基于bp神經(jīng)網(wǎng)絡(luò)的日負(fù)荷預(yù)測-在線瀏覽
2025-08-06 15:40本頁面
【正文】 規(guī)則等等。 BP網(wǎng)絡(luò)BP網(wǎng)絡(luò)是一種多層感知器，網(wǎng)絡(luò)由若干層神經(jīng)元組成，每個神經(jīng)元都是一個感知器，每層包含多個感知器，相鄰層神經(jīng)元用權(quán)連接起來，信號從前往后順序傳播，故又稱其為前向傳播網(wǎng)絡(luò)。其拓?fù)浣Y(jié)構(gòu)如圖1所示。圖1 BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)此外，網(wǎng)絡(luò)中單個神經(jīng)元的輸入與輸出之間的函數(shù)關(guān)系叫做激活函數(shù)。在BP網(wǎng)絡(luò)中，要求激活函數(shù)必須是處處可微的，所以經(jīng)常采用S型和線性函數(shù)。即： （1）其中是當(dāng)前的權(quán)值和閾值矩陣， 是當(dāng)前誤差函數(shù)的梯度，是學(xué)習(xí)速度。對該網(wǎng)絡(luò)中的相關(guān)記號做如下約定： 輸入層節(jié)點數(shù)為，隱含層節(jié)點數(shù)為，輸出層節(jié)點數(shù)為。則模型的推導(dǎo)過程如下：隱含層節(jié)點的輸出為： （2）其中 （3）輸出節(jié)點的計算輸出為： （4）其中 （5）輸出節(jié)點的誤差為： （6）1） 誤差函數(shù)對輸出節(jié)點求導(dǎo) （7）式中，E是多個的函數(shù)。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。順序方式，就是每增加一個輸入樣本，重新計算一次梯度并調(diào)整權(quán)值。它能夠精確計算出梯度向量，誤差收斂條件非常簡單，易于并行處理。準(zhǔn)確的負(fù)荷預(yù)測有助于提高系統(tǒng)的安全性和穩(wěn)定性，能夠減少發(fā)電成本。短期負(fù)荷預(yù)測是指提前預(yù)報未來幾小時、1天至幾天的電力負(fù)荷，主要用于安排日開停機(jī)計劃和發(fā)電計劃。短期負(fù)荷預(yù)測作用的大小主要取決于預(yù)測精度，因此如何提高預(yù)測精度是目前研究短期負(fù)荷預(yù)測理論和方法的重點。電力系統(tǒng)負(fù)荷變化受多方面的影響，一方面，負(fù)荷變化存在著由未知不確定的因素引起的隨機(jī)的波動；另一方面，又具有周期變化的規(guī)律性，這也使得負(fù)荷曲線具有相似性。因此，很多預(yù)測方法的預(yù)測精度和使用范圍受到了限制。這幾種方法具有模型簡單，需要的歷史數(shù)據(jù)少等優(yōu)點，但僅僅著眼于對歷史數(shù)據(jù)的整理、辨識，只能得到大致的負(fù)荷隨時間的變化規(guī)律，對于天氣變化對負(fù)荷的影響卻很難估計。近十余年來，隨著科學(xué)技術(shù)的迅猛發(fā)展，不斷涌現(xiàn)出了許多電力系統(tǒng)負(fù)荷的智能預(yù)測方法，如專家系統(tǒng)預(yù)測、人工神經(jīng)網(wǎng)絡(luò)預(yù)測、小波分析預(yù)測和綜合模型預(yù)測等，并取得了較好的效果。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，在使用神經(jīng)網(wǎng)絡(luò)之前必須確定這些權(quán)值，因為沒有經(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。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。因此要尋找一個合適的方法來描述這些非線性的聯(lián)系。它不需要對變量做復(fù)雜的相關(guān)假設(shè)，而且具有模擬多變量的能力。3 電力系統(tǒng)短期負(fù)荷預(yù)測建模及MATLAB實現(xiàn)本文采用MATLAB軟件編程、仿真，具體過程描述如下：我們總某網(wǎng)站下載得到某市在2008年1月1日至4月15日期間的負(fù)荷情況，在原始數(shù)據(jù)共測量了105天，每天測量96點負(fù)荷數(shù)據(jù)。在對短期負(fù)荷進(jìn)行預(yù)報前，一個特別重要的問題是如何劃分負(fù)荷類型或日期類型。3）將一周的7天每天都看做一種類型，共有7種類型。根據(jù)分類后的負(fù)荷情況，用歷史數(shù)據(jù)分別對所建BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行工作日和休息日的訓(xùn)練，訓(xùn)練完成后用以預(yù)測以后的工作日和休息日的負(fù)荷情況，并將預(yù)測結(jié)果與實際結(jié)果進(jìn)行對比分析。由于負(fù)荷值曲線相鄰的點之間不會發(fā)生突變，因此后一時刻的值必然和前一時刻的值有關(guān)，除非出現(xiàn)重大事故等特殊情況。由于每天測量了96點負(fù)荷，所以輸入變量就是一個96維的向量。在用樣本對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，需要對輸入樣本數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)處理為區(qū)間[0，1]之間的數(shù)據(jù)。歸一化方法有
法律信息相關(guān)推薦
鄂ICP備17016276號-1