符亞杰，馮國成

(1.烏海職業(yè)技術(shù)學(xué)院，內(nèi)蒙古 烏海 016000；2.北方聯(lián)合電力有限責(zé)任公司烏海熱電廠，內(nèi)蒙古 烏海 016000)

電能作為世界通用能源之一，在當(dāng)今社會的各個領(lǐng)域都充當(dāng)著“支撐者”的身份，發(fā)揮著至關(guān)重要的作用。當(dāng)社會需求的不斷增加，電能的儲存難問題日發(fā)嚴(yán)重，因此在短期內(nèi)實現(xiàn)各個用電場所的供需平衡是電力系統(tǒng)安全穩(wěn)定運行的一大問題[1－2]。負(fù)荷預(yù)測是對以往某時間段的用電規(guī)律進(jìn)行統(tǒng)計，以此對未來某個相同時間段進(jìn)行預(yù)測的過程[3]。而短期負(fù)荷預(yù)測則是對幾個小時或者是幾天這種相對時間較短的電力用戶用電進(jìn)行預(yù)測?；陔娔軆Υ骐y的問題，電力系統(tǒng)發(fā)展至今，短期負(fù)荷預(yù)測是國家電網(wǎng)安全穩(wěn)定運行的重要手段之一，既可以有效解決電能供需問題，也可以避免儲能裝置中的不必要機械能損耗[4－5]。

然而，電力系統(tǒng)的電力用戶龐雜且隨機性較大，這無疑增加了短期負(fù)荷預(yù)測的難度。已有專家學(xué)者對這一領(lǐng)域進(jìn)行了研究，文獻(xiàn)[6]提出一種長期電力負(fù)荷的預(yù)測方法，通過早期的電力負(fù)荷趨勢外推法對未來某一時刻進(jìn)行預(yù)測，但是這一方法的抗擾性較差，隨機因素影響較大。文獻(xiàn)[7]提出一種灰色預(yù)測法，將數(shù)據(jù)進(jìn)行建模，能夠避免對數(shù)據(jù)的規(guī)律以及趨勢的依賴，但是這一方法在數(shù)據(jù)離散下的精度較差。文獻(xiàn)[8]采用Elman 神經(jīng)網(wǎng)絡(luò)算法對電力負(fù)荷進(jìn)行預(yù)測，考慮了氣象因素。BP 神經(jīng)網(wǎng)絡(luò)算法作為人工智能算法之一，具備強非線性映射能力、容錯能力等優(yōu)點，適用于短期負(fù)荷預(yù)測這一領(lǐng)域，但是這一算法同樣具備易陷入局部極小值以及收斂速度慢等缺點[9－11]。因此在BP 神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，一些學(xué)者通過融入其他算法，對其進(jìn)行改進(jìn)。文獻(xiàn)[12]提出用貓群算法結(jié)合BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行短期負(fù)荷預(yù)測。文獻(xiàn)[13]提出特性分析的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)短期電力預(yù)測方法，將影響因素分為長期和短期兩種，根據(jù)負(fù)荷特性進(jìn)行劃分，最終利用遺傳算法對傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法中初始權(quán)值和閾值進(jìn)行優(yōu)化。還有其他一些改進(jìn)算法也被專家學(xué)者進(jìn)行了研究，在此不一一列舉[14－20]。

目前已有文獻(xiàn)還未將量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于短期負(fù)荷預(yù)測這一領(lǐng)域，本文在傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，將量子免疫優(yōu)化算法與BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行結(jié)合，能夠有效彌補傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法的初始權(quán)值與閾值選擇問題，同時能夠避免梯度下降法帶來的收斂速度慢問題。

1 BP 神經(jīng)網(wǎng)絡(luò)算法

BP 神經(jīng)網(wǎng)絡(luò)算法的基本原理是通過對輸入輸出之間的建模，理論可以逼近任意連續(xù)函數(shù)，因此這一算法具備強非線性映射能力。BP 神經(jīng)網(wǎng)絡(luò)算法具備三個層面，如圖1 所示，從左往右分別為輸入層、隱含層以及輸出層。外部信號經(jīng)過輸入層的神經(jīng)元傳遞到隱藏層，然后對信息進(jìn)行處理，處理完的數(shù)據(jù)再經(jīng)過神經(jīng)元最終變成輸出信號。當(dāng)輸出與目標(biāo)值之間存在誤差時，則將誤差反饋至神經(jīng)元，目的是為了在不斷的迭代過程中對網(wǎng)絡(luò)進(jìn)行修正，在允許迭代次數(shù)內(nèi)達(dá)到最佳輸出。

圖1 BP 神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)

將BP 神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于短期負(fù)荷預(yù)測這一問題，可以將圖1 細(xì)節(jié)化為圖2 所示的結(jié)構(gòu)圖。

圖2 BP 神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)

BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)流程如圖3 所示。

圖3 BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)流程圖

2 量子免疫優(yōu)化算法

BP 神經(jīng)網(wǎng)絡(luò)算法通常采用梯度下降法進(jìn)行最優(yōu)解的求取，這無疑會增加計算負(fù)擔(dān)，同時這對初始值的選取提出了很高的要求。本文選取量子免疫優(yōu)化算法對BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，量子免疫優(yōu)化算法是將免疫系統(tǒng)概念引入量子算法之中，能夠避免優(yōu)化過程中的局部收斂問題，避免了冗余問題，提高了算法執(zhí)行速度以及全局搜索能力。

量子免疫算法既沒有復(fù)雜的操作運算，也不會降低免疫算法的性能，而同時兼具量子和免疫兩者的優(yōu)點，量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法的流程示意圖如圖4 所示。

圖4 量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)流程圖

具體實現(xiàn)步驟可以概括為:

(1)利用傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)算法對模型進(jìn)行選取輸入以及輸出信號，建立模型；

(2)利用量子免疫優(yōu)化算法中的抗體編碼替換傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法中的權(quán)值；

(3)初始化量子免疫優(yōu)化算法種群，同時替換原種群；

(4)選擇輸入信號以及輸出信號的親和度函數(shù)，同時計算親和度；

(5)計算出第一次的最優(yōu)解；

(6)刷新樣本，誤差反饋；

(7)重新迭代，迭代次數(shù)達(dá)到最大值或者誤差滿足要求后，計算結(jié)束，否則重復(fù)步驟4；

(8)將最終結(jié)果進(jìn)行輸出。

3 負(fù)荷預(yù)測

本文中的短期負(fù)荷預(yù)測得到某電力公司的電力數(shù)據(jù)支持，選擇該地區(qū)一個月的負(fù)荷情況，將溫度、天氣、日期以及歷史負(fù)荷當(dāng)做輸入樣本，利用量子免疫優(yōu)化算法進(jìn)行短期負(fù)荷預(yù)測。

電力負(fù)荷預(yù)測中，一般選擇平均相對誤差作為評判標(biāo)準(zhǔn)，公式如下:

其中，Li和Li?分別為實際負(fù)荷和預(yù)測負(fù)荷。n是負(fù)荷數(shù)據(jù)的個數(shù)。

對樣本進(jìn)行歸一化處理，處理完的數(shù)據(jù)如表1所示，一共選取了連續(xù)十二天，每天24 h 的負(fù)荷數(shù)據(jù)。表1 中，1 表示晴天，0.5 表示陰天，0 表示雨天。

表1 某電力公司十二天歸一化負(fù)荷

為了驗證本文所述方法的有效性，選擇了測試樣本為8 月10 日～8 月20 日共11 天的0:00～23:00 時之前的數(shù)據(jù)，將其作為輸入，用于預(yù)測8 月21日的24 h 短期負(fù)荷預(yù)測，結(jié)果如圖5 所示，能夠很清晰地看出量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法的預(yù)測效果優(yōu)于傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法。

圖5 同數(shù)據(jù)下不同方法的預(yù)測效果比較

如圖6 所示為傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法誤差收斂曲線圖，從波形中可以看出，迭代次數(shù)達(dá)到2 400 次還是沒有達(dá)到誤差的目標(biāo)精度，可以說明傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法采用梯度下降法時的收斂速度慢，且在最大迭代次數(shù)內(nèi)不一定能夠達(dá)到目標(biāo)精度。

圖6 傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法收斂曲線

如圖7 所示為本文量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法的誤差收斂曲線，從圖中可以看出，在1 000 次迭代下就能收斂到目標(biāo)誤差精度，從而證明了本文所述方法的有效性與正確性。

圖7 量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法收斂曲線

4 結(jié)論

針對電力系統(tǒng)安全穩(wěn)定運行中的短期負(fù)荷預(yù)測問題，本文提出采用量子免疫優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行短期負(fù)荷預(yù)測，旨在避免傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)算法的收斂速度慢，精度差等問題。從結(jié)果可以看出這一方法的有效性與正確性，大大提高了收斂速度與精度，加大了其工程實用化的進(jìn)度。