馬勝泉 程瑩瑩

（國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作河南中心，河南 鄭州 450002）

1 引言

短期負(fù)荷預(yù)測可對未來一周負(fù)荷進(jìn)行預(yù)測， 是制定發(fā)電計劃和發(fā)電廠報價的重要參考依據(jù)。 提高電力系統(tǒng)短期負(fù)荷預(yù)測的精度， 對于提高電網(wǎng)運(yùn)行的安全性和電網(wǎng)運(yùn)行的經(jīng)濟(jì)性具有重要意義。

人工神經(jīng)網(wǎng)絡(luò)是采用仿照生物神經(jīng)系統(tǒng)形成的一種數(shù)學(xué)模型，具有可以模仿人腦的智能化處理、自適應(yīng)能力強(qiáng)和容錯性好的優(yōu)點(diǎn)。 人工神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任意非線性復(fù)雜問題，因而在電網(wǎng)預(yù)測中被廣泛采用[1]。

2 基于人工神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測

2.1 BP 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)的BP 算法是一種監(jiān)督學(xué)習(xí)算法，它首先輸入學(xué)習(xí)樣本，通過網(wǎng)絡(luò)的學(xué)習(xí)，將學(xué)習(xí)后的輸出值與目標(biāo)矢量進(jìn)行比較， 進(jìn)而根據(jù)兩者間誤差來修改其連接權(quán)值和偏差，達(dá)到輸出值與期望值盡可能接近，即使網(wǎng)絡(luò)輸出層的誤差平方和達(dá)到最小[2]。

2.2 BP 算法數(shù)學(xué)描述

圖1 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP 神經(jīng)網(wǎng)絡(luò)算法是在BP 神經(jīng)網(wǎng)絡(luò)現(xiàn)有算法的基礎(chǔ)上提出的，它是通過任意選定一組權(quán)值，將給定的目標(biāo)輸出， 直接作為線性方程的代數(shù)和來建立線性方程組的算法[3]。

xj為輸入層第j 個節(jié)點(diǎn)的輸入，j=[1，…，M]；

wij為隱含層第i 個節(jié)點(diǎn)到輸入層第j 個節(jié)點(diǎn)之間的權(quán)值；

θi為隱含層第i 個節(jié)點(diǎn)的閾值；

Φ（x）為隱含層的激勵函數(shù)；

Wki為輸出層第k 個節(jié)點(diǎn)到隱含層第i 個節(jié)點(diǎn)之間的權(quán)值，i=1，…，q；

ak 為輸出層第k 個節(jié)點(diǎn)的閾值，k=1，…，L；

Ψ（x）表示輸出層的激勵函數(shù)；

Ok為輸出層第k 個節(jié)點(diǎn)的輸出；

信號的前向傳播過程如下：

隱含層第i 個節(jié)點(diǎn)的輸入neti，

隱含層第i 個節(jié)點(diǎn)的輸出yi，

輸出層第k 個節(jié)點(diǎn)的輸入netk，

輸出層第k 個節(jié)點(diǎn)的輸出Ok，

3 負(fù)荷短期預(yù)測

3.1 預(yù)報日期劃分

短期負(fù)荷預(yù)報中， 劃分負(fù)荷預(yù)測日期類型對短期負(fù)荷預(yù)測有重要影響。 本文采用將一周中的工作日和休息日分為兩組數(shù)據(jù)進(jìn)行計算預(yù)測的方法[3-4]。

3.2 輸入/輸出向量設(shè)計

將得到的預(yù)測日前一天的24 組整點(diǎn)負(fù)荷數(shù)據(jù)即實時負(fù)荷數(shù)據(jù)作為網(wǎng)絡(luò)的樣本數(shù)據(jù)， 即作為網(wǎng)絡(luò)的輸入向量，相應(yīng)最終得到24 組輸出向量[5]。

同時，電力負(fù)荷受環(huán)境溫度影響較為明顯，因此，還需獲得預(yù)測日的最高和最低溫度，可從天氣預(yù)報中獲取。為了防止病態(tài)樣本出現(xiàn)，可進(jìn)行歸一化處理，即將原始數(shù)據(jù)轉(zhuǎn)換為區(qū)間[0，1]之間的數(shù)據(jù)，具體公式如下[6]：

3.3 BP 網(wǎng)絡(luò)的設(shè)計

本設(shè)計主要基于三層神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。 由于是對24 小時進(jìn)行預(yù)測， 所以輸出的層節(jié)點(diǎn)數(shù)應(yīng)該為24 個，同時加上天氣溫度即最高溫度值與最低溫度值，得到26 個輸入層節(jié)點(diǎn)。 本次利用經(jīng)驗公式取常數(shù)[7]，其中H 表示隱含層的節(jié)點(diǎn)數(shù)，n 表示輸入層的節(jié)點(diǎn)數(shù)，m 表示輸出層節(jié)的點(diǎn)數(shù)。

利用BP 網(wǎng)絡(luò)進(jìn)行預(yù)測， 一般可以利用單隱層的BP網(wǎng)絡(luò)實現(xiàn)[8]。 本設(shè)計由于輸入向量有26 個，所以網(wǎng)絡(luò)輸入層的神經(jīng)元也有26 個。 經(jīng)數(shù)次訓(xùn)練后，網(wǎng)絡(luò)中間層神經(jīng)元可選取53 個，輸出向量有24 個，所以輸出層的神經(jīng)元個數(shù)也為24 個。

4 負(fù)荷預(yù)測實例

4.1 工作日負(fù)荷數(shù)據(jù)

通過MATLAB 程序，將20 天工作日的負(fù)荷數(shù)據(jù)及每日最高溫度與最低溫度值進(jìn)行歸一化處理， 代入到程序中，得到如下預(yù)測數(shù)據(jù)曲線。

圖2 負(fù)荷實際值與預(yù)測值曲線

圖3 負(fù)荷實際值與預(yù)測值誤差曲線

21 個點(diǎn)的相對誤差小于5%， 平均相對誤差為2.77%，均方根誤差Rmse=17.5638。 經(jīng)過18 次訓(xùn)練后，網(wǎng)絡(luò)誤差即達(dá)到要求。 圖4 給出了訓(xùn)練結(jié)果，圖5 給出了相對誤差曲線，圖6 給出了預(yù)報誤差曲線，圖7 為第20日24 小時各點(diǎn)的實際歷史負(fù)荷與預(yù)測負(fù)荷的曲線， 由該曲線可知利用BP 神經(jīng)網(wǎng)絡(luò)建模取得了較滿意的預(yù)測結(jié)果。

圖4 訓(xùn)練結(jié)果

圖5 相對誤差曲線

圖6 工作日預(yù)報誤差圖

圖7 工作日實際負(fù)荷與預(yù)測負(fù)荷比較

圖8 負(fù)荷實際值與預(yù)測值曲線

圖9 負(fù)荷實際值與預(yù)測值誤差曲線

4.2 休息日負(fù)荷數(shù)據(jù)

圖9 中24 個小時段中22 個點(diǎn)的相對誤差小于5%，最小相對誤差0.08%，平均相對誤差為2.48%，均方根誤差RMSe=13.6926。如圖10 所示，經(jīng)過14 次訓(xùn)練即達(dá)到訓(xùn)練誤差要求。 圖11 為相對誤差曲線，圖12 為預(yù)報誤差曲線， 圖13 為第10 天24 小時整點(diǎn)的歷史負(fù)荷數(shù)據(jù)和BP網(wǎng)絡(luò)預(yù)測負(fù)荷數(shù)據(jù)曲線。 通過BP 神經(jīng)網(wǎng)絡(luò)建模預(yù)測，取得了較滿意的結(jié)果。

5 結(jié)論

電力短期負(fù)荷預(yù)測的影響因素較多， 而人工神經(jīng)網(wǎng)絡(luò)超強(qiáng)的自適應(yīng)能力和容錯能力使得這一問題得到了較好的解決。 通過預(yù)測數(shù)據(jù)與真實值的對比分析，驗證了利用該方法對某地區(qū)的網(wǎng)絡(luò)短期負(fù)荷進(jìn)行預(yù)測取得了較為理想的效果，因此，人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法對今后的電力系統(tǒng)工作有重要的指導(dǎo)意義，對人工神經(jīng)網(wǎng)絡(luò)的研究也將是以后研究的重點(diǎn)。

圖10 休息日訓(xùn)練結(jié)果

圖11 休息日相對誤差曲線

圖12 休息日預(yù)報誤差圖

圖13 休息日實際值和預(yù)測值對

［1］吳軍基，倪黔東，孟紹良.基于人工神經(jīng)網(wǎng)絡(luò)的日負(fù)荷預(yù)測方法的研究［J］.繼電器，1999，27（3）：27-28.

［2］牛曉東，曹樹華，趙磊，等.電力系統(tǒng)負(fù)荷預(yù)測［M］.北京：中國電力出版社，2007.

［3］劉晨暉．電力系統(tǒng)負(fù)荷預(yù)報理論與方法［M］．哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1987.

［4］李艷芳．電力負(fù)荷預(yù)測［D］.南昌：南昌大學(xué)，2007.

［5］吳軍基，倪黔東，孟紹良.基于人工神經(jīng)網(wǎng)絡(luò)的日負(fù)荷預(yù)測方法的研究［J］.繼電器，1999，27（3）：27-28.

［6］楊立成.電力系統(tǒng)短期負(fù)荷預(yù)測方法研究分析［J］.企業(yè)科技與發(fā)展，2010，11（2）：57-58.

［7］張德玲.電力系統(tǒng)短期負(fù)荷預(yù)測方法的研究［D］.鄭州：鄭州大學(xué)，2007.

［8］高強(qiáng).電力系統(tǒng)短期負(fù)荷預(yù)測［D］.沈陽：沈陽工業(yè)大學(xué)，2003.