董彩紅

摘 要隨著社會(huì)的不斷進(jìn)步和國(guó)民經(jīng)濟(jì)的不斷發(fā)展，人們對(duì)供電質(zhì)量和效率方面的要求越來(lái)越高。為了提升電力系統(tǒng)負(fù)荷數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確程度，本文就目前負(fù)荷特性在研究中出現(xiàn)的一些問題主要分析了氣候條件對(duì)電力負(fù)荷的影響，并且就一種電力負(fù)荷的預(yù)測(cè)方法展開了探討，最后通過實(shí)際例子的舉出，證明了該方法的所具備的有效性。

【關(guān)鍵詞】電力負(fù)荷預(yù)測(cè) 模型 神經(jīng)網(wǎng)絡(luò)

能量的管理系統(tǒng)當(dāng)中一個(gè)非常關(guān)鍵的部分就是電力負(fù)荷的預(yù)測(cè)，它對(duì)電力系統(tǒng)的運(yùn)行和控制等工作發(fā)揮著非常重要的作用。怎么去提高預(yù)測(cè)工作所呈現(xiàn)的精準(zhǔn)程度已經(jīng)成為現(xiàn)在對(duì)負(fù)荷預(yù)測(cè)理論研究的重點(diǎn)所在。但是對(duì)于符合的預(yù)測(cè)是比較復(fù)雜的，利用傳統(tǒng)解析模型基本上無(wú)法完成對(duì)負(fù)荷比較準(zhǔn)確的預(yù)測(cè)。經(jīng)過長(zhǎng)時(shí)間科研工作者的實(shí)踐經(jīng)驗(yàn)總結(jié)，外部環(huán)境條件是對(duì)負(fù)荷產(chǎn)生影響的一個(gè)尤為重要的因素。為了得出環(huán)境條件對(duì)負(fù)荷影響的規(guī)律，保證電力供應(yīng)能夠保持一定的平衡，必須要將電力負(fù)荷的變化特征作為基礎(chǔ)，繼而定量分析它們具體的關(guān)系。

1 氣候條件對(duì)電力負(fù)荷的影響

1.1 溫度以及濕度

電網(wǎng)負(fù)荷產(chǎn)生的變化與外部環(huán)境中氣溫的高低有著密不可分的聯(lián)系，能夠產(chǎn)生正向的影響。而在氣溫比較適宜的情況之下，濕度對(duì)于人類身體產(chǎn)生的影響并不是特別的顯著。在氣溫過高或者過低的時(shí)候，濕度的波動(dòng)就會(huì)給人體熱平衡以及溫?zé)岣袘?yīng)形成較高的影響。當(dāng)空氣中的濕度處于一個(gè)較高的狀態(tài)時(shí)，人們身體所向外生成的熱輻射將會(huì)被空氣中所含有的水蒸氣所吸納。當(dāng)環(huán)境中的氣溫低于人體皮膚表面溫度的時(shí)候，風(fēng)可以使人散熱過程的速度更快。大概是每秒的風(fēng)速漲一米，人們的體感溫度就會(huì)下降二到三攝氏度。

1.2 大氣壓

外部環(huán)境所呈現(xiàn)的大氣壓與電力的負(fù)荷在不同的季節(jié)當(dāng)中都有一定的關(guān)系，不過目前關(guān)系的數(shù)據(jù)和形式還不能確定，有待進(jìn)一步研究。

1.3 降水量

經(jīng)過相關(guān)的研究證明，基本所有的降水過程都能對(duì)日用電量產(chǎn)生影響，引起下降的幅度一般為百分之三左右，最大幅度能夠達(dá)到百分之十。不過，降水過程對(duì)負(fù)荷的影響具有延遲的特性。

上文所陳述的三種分析結(jié)論還是存在一定偏差的，這是由于負(fù)荷曲線的峰值、谷值以及一些其它形式的波動(dòng)能夠受到一些大型工廠以及企事業(yè)單位工作時(shí)間，以及公共設(shè)施使用狀況等各方面因素的綜合影響，上面所說(shuō)的氣象因素只是對(duì)總負(fù)荷形成影響的一個(gè)部分。在實(shí)際的應(yīng)用當(dāng)中應(yīng)該將這些因素加以更為全面的考慮，避免對(duì)單個(gè)因素孤立的分析。

2 利用多模型方法實(shí)現(xiàn)建模以及預(yù)測(cè)

2.1 人工神經(jīng)網(wǎng)絡(luò)

它是在模仿生物神經(jīng)網(wǎng)絡(luò)功能的基礎(chǔ)上而形成的一種模型。一般情況下，生物神經(jīng)元能夠受到傳入刺激，繼而自輸出端傳導(dǎo)至相關(guān)聯(lián)的神經(jīng)元之上，輸出跟輸入過程之間的變化呈現(xiàn)出非線性聯(lián)系。神經(jīng)網(wǎng)絡(luò)則是由很多個(gè)簡(jiǎn)單的原件以及它的層次組織，采用大規(guī)模并行的連接形式所形成的，以生物神經(jīng)網(wǎng)絡(luò)相類似的形式來(lái)處置輸入信息。對(duì)生物神經(jīng)網(wǎng)絡(luò)加以模仿建立起來(lái)的人工神經(jīng)網(wǎng)絡(luò)對(duì)于輸入信號(hào)有著十分強(qiáng)大的處理能力。

很多神經(jīng)元之間相互連接而形成一個(gè)大的網(wǎng)絡(luò)，在這個(gè)網(wǎng)絡(luò)中的一個(gè)神經(jīng)元就可以實(shí)現(xiàn)對(duì)幾個(gè)輸入信號(hào)的接收，并且依據(jù)一定的規(guī)律將其轉(zhuǎn)變?yōu)檩敵鲂盘?hào)。由于神經(jīng)網(wǎng)絡(luò)中各神經(jīng)元見有著比較復(fù)雜的一種關(guān)聯(lián)，并且每一個(gè)神經(jīng)元在對(duì)信號(hào)進(jìn)行傳遞的時(shí)候都會(huì)顯現(xiàn)出非線性的基本形式，因此輸入和輸出信號(hào)見可以建立起不同的關(guān)系，可以當(dāng)成黑箱模型，用在對(duì)作用機(jī)理不明確的模型實(shí)現(xiàn)描述，不過輸出跟輸入間有客觀、確定或者模糊規(guī)律的客體。因此人工神經(jīng)網(wǎng)絡(luò)已然在化工開發(fā)等領(lǐng)域得到了較大面積的應(yīng)用。

人工神經(jīng)網(wǎng)絡(luò)所包含的各種層次的神經(jīng)元主要是通過wkj以及wlk進(jìn)行連接的。神經(jīng)元所呈現(xiàn)的輸出與權(quán)之間做出乘法運(yùn)算就能得到下層神經(jīng)元的輸出。每一個(gè)隱層神經(jīng)元的輸出其實(shí)就是輸出層所呈現(xiàn)的輸入，它們都是被神經(jīng)元的活化函數(shù)決定。

BP模型是NN模型中應(yīng)用最為廣泛的一種模型。BP神經(jīng)網(wǎng)絡(luò)主要是指將BP算法當(dāng)做基礎(chǔ)的一種多層神經(jīng)的網(wǎng)絡(luò)系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)通常都具有至少一個(gè)隱含層，隱含層中的神經(jīng)元采用了sigmiod函數(shù)，而輸出層則是應(yīng)用purelin傳遞函數(shù)。在理論方面其實(shí)已然證明了有著當(dāng)個(gè)隱含層的網(wǎng)絡(luò)模型在隱含層神經(jīng)元增長(zhǎng)到一定數(shù)量的時(shí)候，能夠從所有的精度去逼近不管哪個(gè)具備有限斷點(diǎn)的非線性函數(shù)。而在結(jié)構(gòu)上實(shí)現(xiàn)則要比增加隱含層更加簡(jiǎn)單，所以在電力負(fù)荷的預(yù)測(cè)工作當(dāng)中利用BP網(wǎng)絡(luò)的時(shí)候都是采用具有一層的隱含層。

2.2 運(yùn)用多模型方法建模與預(yù)測(cè)

運(yùn)用分層形式的多神經(jīng)完了模型針對(duì)電力負(fù)荷的整體加以預(yù)測(cè)。底層通常是把電力負(fù)荷的基礎(chǔ)樣本以及相關(guān)的氣象因素加以獨(dú)立的構(gòu)建神經(jīng)網(wǎng)絡(luò)的模型；頂層用的是因?yàn)闅庀笠蛩囟鴮?duì)電力負(fù)荷實(shí)現(xiàn)修正的具體結(jié)果。系統(tǒng)規(guī)模較為龐大，但各個(gè)子模型規(guī)模并不是很大，不過它的數(shù)量是比較多的。

3 實(shí)例分析

我們以某市的某個(gè)居民小區(qū)在2016年366天的用電數(shù)據(jù)為例，采樣的周期是一個(gè)小時(shí)，一共獲得了366組原始樣本。與此同時(shí)將這個(gè)地區(qū)每天每個(gè)小時(shí)的溫度、濕度、以及降水量等最為重要的氣象影響因素進(jìn)行細(xì)致的記錄和分析。將全部數(shù)據(jù)都加以標(biāo)準(zhǔn)化，繼而從366天中選擇二百五十天的數(shù)據(jù)作為底層的基礎(chǔ)樣本，剩下的數(shù)據(jù)作為頂層測(cè)試樣本。要選擇一個(gè)確定的時(shí)間前連續(xù)的二十四小時(shí)中24個(gè)整點(diǎn)電力的負(fù)荷值，并且將溫度、濕度以及降水量等當(dāng)成底層子神經(jīng)網(wǎng)絡(luò)一至五的輸入，一個(gè)整點(diǎn)作為輸出。底層子網(wǎng)絡(luò)應(yīng)用三層的BP網(wǎng)絡(luò)結(jié)構(gòu)，這樣就有二十四個(gè)輸入的節(jié)點(diǎn)一級(jí)一個(gè)輸出的節(jié)點(diǎn)，經(jīng)過反復(fù)實(shí)驗(yàn)后，確定了網(wǎng)絡(luò)隱含層的節(jié)點(diǎn)數(shù)是46、32、35、30、30。在這當(dāng)中選取一組有著最為優(yōu)秀性能的權(quán)和閾值作為實(shí)驗(yàn)最后的結(jié)果，再利用相關(guān)樣本數(shù)據(jù)檢驗(yàn)?zāi)Ｐ汀＝Y(jié)合預(yù)測(cè)結(jié)果能夠分析出，以單個(gè)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的基本模型無(wú)法達(dá)成對(duì)有些特殊狀況加以可靠預(yù)測(cè)的目的。多模型神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的模型針對(duì)電力負(fù)荷的情況預(yù)測(cè)，能夠得到精度較高的預(yù)測(cè)結(jié)果。

4 結(jié)束語(yǔ)

本文主要考慮了天氣因素對(duì)于負(fù)荷生成的影響，并且探討了利用多模型的神經(jīng)元網(wǎng)絡(luò)方式來(lái)設(shè)置電力負(fù)荷預(yù)測(cè)的模型。經(jīng)過實(shí)際例子的分析，與單模型方法相比，證明了多模型方法的實(shí)用性。因?yàn)殡娏ω?fù)荷會(huì)隨著季節(jié)的變化形成較大的不同，這一方面的內(nèi)容還有待我們加以進(jìn)一步的研究。

參考文獻(xiàn)

[1]段焜.基于能量管理系統(tǒng)的電力系統(tǒng)負(fù)荷預(yù)測(cè)[D].廣州：華南理工大學(xué)，2009.

[2]陳華友.組合預(yù)測(cè)方法有效性理論及其應(yīng)用[M].北京：科學(xué)出版社，2007.

作者單位

國(guó)網(wǎng)河南省電力公司三門峽市陜州供電公司 河南省三門峽市 472100