寧欣 王濤 劉文博

摘 要：地區(qū)電網用電量預測是一個復雜的非線性問題，一般的預測模型不能做到精準預測。神經網絡的分散存儲信息的優(yōu)點，使得網絡能處理復雜的非線性問題，在預測領域具有很強的實用性。BP神經網絡能及時調整網絡結構和參數應對用電量變化較大的電網，實現用電量的精準預測。本文深入研究BP神經網絡結構設計和學習算法，結合BP神經網絡實現對仙桃地區(qū)2010年至2014年電網用電量準確預測。

關鍵詞：BP神經網絡；地區(qū)電網；用電量預測

本文分析了地區(qū)電網用電量預測的方法，深入研究了BP神經網絡結構設計和學習算法，結合BP神經網絡實現對仙桃地區(qū)2010年至2014年電網用電量的準確預測。

1 研究背景及意義

電力產業(yè)是國民經濟的基礎保證，考慮到電能的特殊性、時滯性，按需生產難度極大。在保證電網供電質量的前提下，實行電能的生產與消耗同步，這就要求供電系統在發(fā)電前對地區(qū)電網用電量進行科學有效預測，使電力建設滿足國民生產需要。隨著科學技術水平提高，電力預測的方法逐步被專家學者提出，神經網絡算法是預測的主流方法。美國學者 Rumelhart和Williams 等完整地提出了 BP 算法，網絡通過改變連接權值來改變控制結果。神經網絡能記憶和存儲信息，在不同環(huán)境下能自適應，可自行對知識推理，因而成為電量預測中使用最頻繁的預測模型。

2 地區(qū)電網用電量預測方法

地區(qū)電網用電量預測是指從當地社會經濟對電能需求出發(fā)，在大量電網用電量歷史數據的研究基礎上，對地區(qū)電網用電量做出合理的估計與預測。地區(qū)電網用電量預測可以從預測周期和用電行業(yè)分類。預測周期分為短期預測、中期預測、長期預測。電網用電量預測從行業(yè)角度分為3類。工業(yè)用電是指在工業(yè)生產過程中所消耗的電量，工業(yè)用電具有穩(wěn)定性強和用電量大的特性，隨季節(jié)變化幅度不大；商業(yè)用電和農村用電占總用電比例少，受氣候和時間段的影響較大。

3 BP神經網絡用電量預測模型設計與實現

3.1 BP網絡模型的訓練

BP神經網絡模型訓練過程也是網絡參數修改的過程，訓練過程中系統根據誤差對各層神經元參數修改，待輸出誤差達到最小，確定各層參數。選取歸一化處理后的1998年至2009年用電量數據訓練網絡，網絡訓練結果為：

最優(yōu)隱含節(jié)點數hidnumber =23；最優(yōu)學習率lr = 0.2000；BP神經網絡訓練的RMSE，RMSETrain1 = 0.0610?？芍狟P神經網絡訓練200次時已達到要求，輸出誤差為0.01。由此可設計BP網絡輸入層神經元7個；中間層神經元23個；輸出層神經元1個。網絡生成圖如圖1所示。

3.2 BP神經網絡用電量預測

選用2010年-2014年就業(yè)總人數、工業(yè)總產值、企業(yè)總數、電冰箱和空調總數、水電投資額作為影響用電量主要因素，選用上述因素數據作為BP網絡輸入，預測該地區(qū)電網年用電量。將輸入數據歸一化處理得到表1數據：

經MATLAB仿真軟件得到結果為：

實際值：T2 =[ 6632.3 7139.6 7508.5 8549.5 8884.4]。預測結果：ybptest = [ 6795.8 7215.0 7847.2 8560.5 8606.9]。

BP神經網絡預測本地區(qū)2010年至2014年實際年用電量和如表2所示。

從圖2中可看出BP神經網絡輸出結果和實際用電量走勢一致，在用電量變化較大拐點處，BP神經網絡做到了精準預測。在2010年至2013年BP預測值均超過了實際用電量，2013年至2014年實際用電量多余BP預測值。因此，在地區(qū)電網配電過程中，應根據BP預測值留有余量。

4 結語

從表3-2知地區(qū)電網年用電量相對誤差最大為5.1%，最小為1.5%，預測誤差均在允許誤差范圍內。但是最大誤差值5.1%偏高，說明本文設計的BP算法有待優(yōu)化，用電量影響指標也需要根據近幾年實際情況調整。從整體上看，本文設計的BP神經網絡對湖北仙桃地區(qū)電網年用電量預測較為精準，能準確預測該地區(qū)電網用電量走勢和用電高峰。

參考文獻：

[1]劉敏.淺析電力系統短期負荷預測方法[J].城市建設理論研究，2015，12（10）：402-403.

[2]袁宇春，張保會.電力負荷短期預測的改進神經網絡方法[J].電力系統自動化，2013，25（21）：15-17.

[3]趙會敏，楊軍超.集成BP神經網絡預測模型的研究與運行[J].電信科學，2016，15（2）：23-27.

[4]樊振宇.BP神經網絡模型與學習算法[J].軟件導刊，2011，21（07）：66-68.

[5]王濤，孫智躍，忻俊慧.湖北電網負荷運行情況分析[J].湖北電力，2015，31（30）：29-46.

[6]王效岳，劉好明，劉曉麗.改進 BP 神經網絡在城市工業(yè)用電量預測中的應用[J].自動化技術與應用，2007，26（12）：3-6.