許光斌
(華信咨詢?cè)O(shè)計(jì)研究院有限公司,杭州 310052)
電力系統(tǒng)由電力網(wǎng)、電力用戶共同組成,電力的生產(chǎn)與使用難以大量的存儲(chǔ),這就要求系統(tǒng)發(fā)電應(yīng)隨時(shí)緊跟系統(tǒng)負(fù)荷的變化動(dòng)態(tài)平衡,以滿足用戶的需求。因此,電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)發(fā)展起來(lái),尤其是電網(wǎng)負(fù)荷預(yù)測(cè)作為當(dāng)前研究的熱點(diǎn),需解決好當(dāng)前負(fù)荷及未來(lái)負(fù)荷的預(yù)測(cè)問(wèn)題。基于神經(jīng)網(wǎng)絡(luò)的非數(shù)學(xué)模型預(yù)測(cè)法,解決了數(shù)學(xué)模型法的不足,但神經(jīng)網(wǎng)絡(luò)的確定隱含層網(wǎng)元個(gè)數(shù),目前沒(méi)有一個(gè)明確的確定方法。
神經(jīng)網(wǎng)絡(luò)一般分為四層:輸入層、隱含層、承接層和輸出層。如圖1所示[1]。隱含層的傳遞函數(shù)為Sigmoid函數(shù),輸出層和關(guān)聯(lián)層都為線性函數(shù)。其中隱含層的輸出通過(guò)承接層的延遲與存儲(chǔ),自聯(lián)到隱含層的輸入。如果給出系統(tǒng)的輸入輸出數(shù)據(jù)對(duì),利用軟件matlab就可以對(duì)系統(tǒng)進(jìn)行建模仿真及預(yù)測(cè)。
如圖1所示,神經(jīng)網(wǎng)絡(luò)的的非線性狀態(tài)空間表達(dá)式為[1][2]:
神經(jīng)網(wǎng)絡(luò)采用BP算法進(jìn)行權(quán)值修正,學(xué)習(xí)指標(biāo)函數(shù)采用誤差矢量積函數(shù),如下式所示[2]:
圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
神經(jīng)網(wǎng)絡(luò)模型中隱含層數(shù)學(xué)模型如圖2所示[4],
圖2 神經(jīng)網(wǎng)絡(luò)話務(wù)預(yù)測(cè)模型基本結(jié)構(gòu)圖
圖2結(jié)構(gòu)中隱含層輸出為[2]:
輸出層輸出為:
要得到精準(zhǔn)的預(yù)測(cè)需對(duì)隱含層網(wǎng)元個(gè)數(shù)進(jìn)行分析,以使得預(yù)測(cè)最接近實(shí)際電網(wǎng)負(fù)荷。取n為最小誤差時(shí)的隱含層網(wǎng)元個(gè)數(shù),如下式所示:
選取9天的3個(gè)時(shí)段的數(shù)據(jù)作為仿真數(shù)據(jù),如表1所示。
表1 各時(shí)段電網(wǎng)負(fù)荷情況
通過(guò)對(duì)表1數(shù)據(jù)的學(xué)習(xí)訓(xùn)練驗(yàn)證,如圖3所示,訓(xùn)練次數(shù)為2000次,得到訓(xùn)練有效權(quán)重,其中誤差最小的為隱含層網(wǎng)元個(gè)數(shù)為n=65時(shí)誤差最小,誤差值為0.00053229,如圖4所示,所以采用隱含層網(wǎng)元個(gè)數(shù)為65個(gè)進(jìn)行訓(xùn)練數(shù)據(jù),并得到各權(quán)重值來(lái)做后續(xù)預(yù)測(cè)。
圖3 訓(xùn)練數(shù)據(jù)
圖4 隱含層不同網(wǎng)元個(gè)數(shù)對(duì)應(yīng)訓(xùn)練誤差
通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的分析,并將電網(wǎng)負(fù)荷的9天三個(gè)時(shí)段數(shù)據(jù)進(jìn)行matlab仿真,驗(yàn)證了得到誤差最小的最佳學(xué)習(xí)訓(xùn)練的隱含層網(wǎng)元個(gè)數(shù),通過(guò)該隱含層網(wǎng)元個(gè)數(shù)的,得到最佳的負(fù)荷預(yù)測(cè)。由于隱含層網(wǎng)元個(gè)數(shù)的取定應(yīng)結(jié)合計(jì)算量綜合考慮,后續(xù)需進(jìn)一步對(duì)完善計(jì)算復(fù)雜度和誤差兩個(gè)方面進(jìn)行更加深入的分析。