葉琪 宋文達

引言：電力系統(tǒng)是一個長期受經濟、人口、政治、市場等確定與不確定因素綜合影響的復雜系統(tǒng)，電力系統(tǒng)受多因素制約和促進的這種特性也決定電力負荷中長期預測是一個需要長期跟蹤和動態(tài)管理的過程。準確高效的負荷預測能夠實現(xiàn)電力電量的科學管理，合理優(yōu)化資源配置，有效避免電力短缺或電力浪費。本文基于BP神經網(wǎng)絡模型對我國中長期電力負荷進行預測。

1 BP神經網(wǎng)絡模型基本原理

BP神經網(wǎng)絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經網(wǎng)絡模型之一。它本質是一種按誤差反向傳播（簡稱誤差反傳）訓練的多層前饋網(wǎng)絡，其算法稱為BP算法。本文采用如圖1所示的三層BP神經網(wǎng)絡的拓撲結構。

圖1 三層BP網(wǎng)絡拓撲結構

預測步驟如下：

（1）采用最大最小法進行歸一化處理，即

（2）隱層節(jié)點個數(shù)及網(wǎng)絡收斂精度的確定。

（3）檢驗模型的擬合程度。

2 算例分析

本文根據(jù)我國電力系統(tǒng)發(fā)展現(xiàn)狀，分析影響我國中長期電力負荷預測影響因素，確定GDP預測值，工業(yè)化水平，城鎮(zhèn)率及人口變化趨勢預測值這4個指標作為模型的輸入量。以2005-2018年的指標值為訓練樣本，2005-2035年實際用電量為目標樣本數(shù)據(jù)。進行歸一化處理后，從輸入層神經元和輸出層神經元個數(shù)綜合考慮，選擇10^-5作為網(wǎng)絡收斂精度，最后進行模型的擬合優(yōu)度檢驗，檢驗結果如下圖所示：

圖2 擬合程度比較

由圖2可以直接看出，該神經模型中各指標的檢驗R方都位于0.98—0.999之間，這說明該神經模型擬合程度良好，可用于預測我國2020年—2035年電力負荷預測。預測結果如表2所示：

3 結論

本文綜合考慮GDP、第二產業(yè)占比、人口數(shù)及城鎮(zhèn)化率這4個長期電力負荷影響因素，基于BP神經網(wǎng)絡模型對我國未來2020-2035年用電量進行預測并取得良好的預測效果，對有效進行電力調度和電力需求預測有很好的支撐作用。