朱加豪+趙振華+李建濤

摘 要：本文針對電力負(fù)荷短期預(yù)測問題，首先對原始異常數(shù)據(jù)進(jìn)行小波多尺度分解，找出信號(hào)突變點(diǎn)，其次對模極大值點(diǎn)處小波分解系數(shù)進(jìn)行重建，然后對異常數(shù)據(jù)進(jìn)行修正，最后利用BP神經(jīng)網(wǎng)絡(luò)算法求得預(yù)測日電力負(fù)荷數(shù)據(jù)。

關(guān)鍵詞：小波多尺度分解；異常數(shù)據(jù)；信號(hào)突變點(diǎn)；小波系數(shù)；BP神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TM241 文獻(xiàn)標(biāo)識(shí)碼：A

電力負(fù)荷的預(yù)測是電網(wǎng)系統(tǒng)中十分重要的部分。因此，精確的電力負(fù)荷預(yù)測對電能的合理分配甚至國民經(jīng)濟(jì)的平穩(wěn)發(fā)展意義非常重大。目前，對電力負(fù)荷預(yù)測的主要方法有指數(shù)平滑法、趨勢外推法、時(shí)間序列法、專家系統(tǒng)方法、神經(jīng)網(wǎng)路理論、模糊負(fù)荷預(yù)測等，本文在利用小波分析理論對異常數(shù)據(jù)進(jìn)行修正的基礎(chǔ)上結(jié)合BP神經(jīng)網(wǎng)絡(luò)理論來對電力負(fù)荷進(jìn)行預(yù)測。

1.異常數(shù)據(jù)的辨識(shí)與修正

異常數(shù)據(jù)的辨識(shí)與修正是預(yù)測前極為重要的工作，常用的方法有指數(shù)平滑法、均值濾波法、經(jīng)驗(yàn)修正法等，這些方法雖然容易實(shí)現(xiàn)，但是處理得很粗糙，結(jié)果不準(zhǔn)確，并且需要人工干預(yù)，增大了工作量。

1.1 小波變換理論

1.3 小波分解與重構(gòu)

多分辨率分析是在L2（R）函數(shù)空間內(nèi)，將函數(shù)描述為一系列類似函數(shù)的極限。每一個(gè)近似都是函數(shù)f的平滑版本，而且是越來越細(xì)節(jié)的近似函數(shù)，這些近似都是在不同尺度上得到的。設(shè)j為要分解的尺度，由Mallet算法，可知其分解公式為：

1.4 小波分析對異常數(shù)據(jù)處理步驟

第一步：運(yùn)用式（6）選擇合適的小波和分解層數(shù)將數(shù)據(jù)分解至j層，得到小波分解系數(shù)。

第二步：處理經(jīng)小波分解后的數(shù)據(jù)：

第三步：小波重構(gòu)。將處理過的小波系數(shù)用式（7）重構(gòu)，得到去除偽數(shù)據(jù)的負(fù)荷，再對處理后的歷史負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理。

3. BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種靠誤差逆向傳遞來不斷調(diào)整神經(jīng)元的閾值與連接權(quán)值的多層前饋網(wǎng)絡(luò)。本文采用三層網(wǎng)撲結(jié)構(gòu)。

3.1 BP神經(jīng)網(wǎng)絡(luò)電力負(fù)荷預(yù)測步驟

（1）數(shù)據(jù)輸入。將通過小波分析及歸一化處理后的負(fù)荷歷史數(shù)據(jù)錄入輸入層。

（2）計(jì)算隱含層輸出。

（3）計(jì)算輸出層輸出。

（4）計(jì)算輸出層誤差。

（5）計(jì)算隱含層誤差。

（6）修正輸出層與隱含層之間的權(quán)值與閾值。

（7）修正輸入層與隱含層之間的連接權(quán)值。

（8）網(wǎng)絡(luò)全局誤差小于預(yù)先設(shè)定的值時(shí)結(jié)束。

4.實(shí)例研究

本文對某地區(qū)某日96點(diǎn)負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測，結(jié)果如圖1～圖4所示。

結(jié)論

把歷史日負(fù)荷數(shù)據(jù)經(jīng)過小波分析處理后降低了由于各種因素帶來的誤差，基于實(shí)時(shí)氣象因素選擇預(yù)測樣本，充分體現(xiàn)了電力負(fù)荷數(shù)據(jù)相似特性。實(shí)際運(yùn)用表明本文方法在數(shù)據(jù)處理方面有很強(qiáng)的實(shí)用性、可行性、準(zhǔn)確性，能滿足實(shí)際工程需求。

參考文獻(xiàn)

[1]劉進(jìn)波，陳鑫，李新花.基于LM算法的BP神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷短期預(yù)測[J].經(jīng)濟(jì)數(shù)學(xué)，2015（2）：34-38.

[2]王學(xué)平.基于小波變換和神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測研究[D].南京理工大學(xué)，2007.

[3] MallatS， HwangW.Singularity Detection and Processing with Wavelets [J]. IEEE Transaction on Information Theory， 1992， 38（2）： 617-643.

[4]馬維禎，殷瑞祥.小波變換理論及其在信號(hào)處理中的應(yīng)用[J].數(shù)據(jù)采集與處理，1994（2）：121-131.

[5]蔡漢添，宋勇.關(guān)于子波變換局部極大值信號(hào)重構(gòu)的交替投影算法[J].數(shù)據(jù)采集與處理，1998（2）：16-20.

[6]郭先定，李敏，何光普.小波變換模極大值法檢測信號(hào)突變點(diǎn)[J].電氣應(yīng)用，2006（11）：90-92.