吳明剛

摘 要：為降低節(jié)假日對預(yù)測工作的影響，將剔除法定節(jié)假日后的樣本作為預(yù)測樣本。以最大相對誤差、平均絕對誤差以及均方根誤差作為模型的衡量指標，通過建立廣義回歸神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)與Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型對預(yù)測樣本進行預(yù)測，最后仿真結(jié)果表明Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型能更好地提高預(yù)測精度。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；衡量拍標；預(yù)測

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2018.03.098

1 引言

電力負荷預(yù)測是電力系統(tǒng)規(guī)劃的重要組成部分，也是電力系統(tǒng)經(jīng)濟運行的基礎(chǔ)。智能時代的來臨，神經(jīng)網(wǎng)絡(luò)算法現(xiàn)已廣泛應(yīng)用于各個智能行業(yè)。面對電網(wǎng)的轉(zhuǎn)型升級，順應(yīng)打造智能電網(wǎng)的要求，本文通過選取廣義回歸神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)與Elman神經(jīng)網(wǎng)絡(luò)分別對應(yīng)的前饋型神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)與局部反饋記憶型神經(jīng)網(wǎng)絡(luò)對電力負荷進行短期預(yù)測，以最大誤差（Maximum error）、平均絕對誤差（Mean absolute error）以及均方根誤差（Root mean square error）作為衡量指標，比較各類型神經(jīng)網(wǎng)絡(luò)預(yù)測強非線性、高波頻時序數(shù)據(jù)的優(yōu)劣性，最終選取較優(yōu)神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行預(yù)測。

2 神經(jīng)網(wǎng)絡(luò)模型

2.1 廣義回歸神經(jīng)網(wǎng)絡(luò)

廣義回歸神經(jīng)網(wǎng)絡(luò)（Generalized Regression Neural Network）簡稱GRNN。它是在1991年由美國學(xué)者Donald F.Specht提出的一種基于徑向基函數(shù)的前饋型網(wǎng)絡(luò)，其具有良好的非線性劃分能力，被廣泛應(yīng)用于工程實踐當中。

GRNN網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

3 仿真結(jié)果

利用三種神經(jīng)網(wǎng)絡(luò)對天津市2015年電力負荷進行仿真，取2015年剔除法定節(jié)假日后的286天數(shù)據(jù)進行日負荷預(yù)測。對于三種神經(jīng)網(wǎng)絡(luò)預(yù)測模型均采用traingdx函數(shù)進行訓(xùn)練。圖4為GRNN網(wǎng)絡(luò)仿真結(jié)果，圖5為小波神經(jīng)網(wǎng)絡(luò)仿真結(jié)果，圖6為Elman神經(jīng)網(wǎng)絡(luò)仿真結(jié)果。

表1為GRNN、小波、Elman神經(jīng)網(wǎng)絡(luò)對剔除法定節(jié)假日后的電力負荷短期預(yù)測誤差指標結(jié)果。從該表中可以看出Elman神經(jīng)網(wǎng)絡(luò)較適合預(yù)測強非線性、高波頻的電力負荷數(shù)據(jù)。

4 總結(jié)

針對非線性、高波頻時序數(shù)據(jù)樣本，Elman神經(jīng)網(wǎng)絡(luò)具有良好的推廣能力。通過GRNN、小波、Elman神經(jīng)網(wǎng)絡(luò)對電力負荷短期預(yù)測的誤差指標能夠發(fā)現(xiàn)，相比較能于前饋型神經(jīng)網(wǎng)絡(luò)與反饋型神經(jīng)網(wǎng)絡(luò)，局部反饋記憶型神經(jīng)網(wǎng)絡(luò)能夠有效地提高電力負荷短期預(yù)測的精度。

參考文獻

[1]康重慶，夏清，劉梅. 電力系統(tǒng)負荷預(yù)測[M]. 北京：中國電力出版社，2007.

[2]田世明，王蓓蓓，張晶. 智能電網(wǎng)條件下的需求響應(yīng)關(guān)鍵技術(shù)[J]. 中國電機工程學(xué)報，2014，34（22）：3576-3589.

[3]馮志鵬，宋希庚，薛冬新，鄭愛萍，孫玉明. 基于廣義回歸神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測研究[J]. 振動、測試與診斷，2003，（02）：29-33+68.

[4]張邦禮，李銀國，曹長修. 小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造及其算法的魯棒性分析[J]. 重慶大學(xué)學(xué)報（自然科學(xué)版），1995，（06）：88-95.

[5]胡曉龍，郜振華，馬光紅. 基于Elman神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價格預(yù)測[J]. 統(tǒng)計與決策，2008，（07）：64-65.