張尚然

(承德石油高等專科學(xué)校 電氣與電子系，河北 承德 067000)

電力系統(tǒng)的準(zhǔn)確負(fù)荷預(yù)測使得各個(gè)行業(yè)能夠高質(zhì)量、高速的運(yùn)行，因此對負(fù)荷進(jìn)行準(zhǔn)確有效的預(yù)測可以提高電能利用率、提高電網(wǎng)的準(zhǔn)確性、可靠性。準(zhǔn)確的負(fù)荷預(yù)測使用戶節(jié)省成本，使電力部門合理分配電能，使得各行各業(yè)繁榮發(fā)展，共同進(jìn)步[1]。本文主要研究的內(nèi)容是電力系統(tǒng)的短期負(fù)荷預(yù)測，采用BP神經(jīng)網(wǎng)絡(luò)的算法，搭建基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測的模型，通過仿真對結(jié)果進(jìn)行分析驗(yàn)證。

1 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法

BP 神經(jīng)網(wǎng)絡(luò)算法包括兩個(gè)方面：一方面是指前向傳播，即對于輸入信號而言的；另一方面是對于預(yù)測值與期望值之間誤差而言的，即反向傳遞[2]。正向傳播的過程相對而言比較容易，就是一層層的數(shù)學(xué)計(jì)算；而對于反向傳播則比較復(fù)雜，需要通過梯度下降求導(dǎo)的方法找出誤差最小的解。其主要過程如下：

設(shè)BP網(wǎng)絡(luò)的結(jié)構(gòu)分為三層，xi為輸入層節(jié)點(diǎn)，yj為隱含層節(jié)點(diǎn)，zi為輸出層節(jié)點(diǎn)。wji、vlj分別為輸入層節(jié)點(diǎn)與隱含層節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值以及隱含層節(jié)點(diǎn)與輸出節(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值。當(dāng)輸出節(jié)點(diǎn)的期望值為t1時(shí)，模型的計(jì)算公式如下。

1)信號的正向傳播過程：

隱含層節(jié)點(diǎn)輸出:

(1)

其中

(2)

輸出層節(jié)點(diǎn)的計(jì)算輸出：

(3)

其中：

(4)

2)誤差反向過程

(5)

用求取誤差的方式得到各層神經(jīng)元權(quán)值或閥值的導(dǎo)數(shù)，以此得到參數(shù)修正的方向和裕度[3]。

通過求誤差對各個(gè)層神經(jīng)元權(quán)值或閾值的導(dǎo)數(shù)來確定參數(shù)修正的方向以及大小[3]，在計(jì)算完導(dǎo)數(shù)后會(huì)確定出網(wǎng)絡(luò)新的權(quán)值，使用此數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，經(jīng)過多次反復(fù)迭代的過程得出預(yù)測所需的最優(yōu)解，訓(xùn)練到此為止。因?yàn)樵谡麄€(gè)預(yù)測的過程中，誤差求導(dǎo)的過程對實(shí)驗(yàn)分析影響不大，顧忽略。

2 算例分析

2.1 樣本參數(shù)

負(fù)荷數(shù)據(jù)類型為一天即為一個(gè)獨(dú)立的類型，不區(qū)分工作日與否。負(fù)荷樣本數(shù)據(jù)采用的是某城市6月11日至6月21日的電力負(fù)荷值以及考慮到天氣因素的影響，采用6月12日至6月22日的氣象特征作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。前兩個(gè)數(shù)據(jù)分別是預(yù)測地當(dāng)天最高氣溫與最低氣溫，第三個(gè)數(shù)據(jù)則為天氣狀況：晴天用0表示、陰天用0.5表示、雨天用1來表示。

樣本參數(shù)如表1。

表1 某城市符合樣本數(shù)據(jù)

2.2 訓(xùn)練結(jié)果與分析

按照上述設(shè)定的參數(shù)進(jìn)行matlab仿真，由此得到下面的仿真圖。

為了更加方便直觀的觀察預(yù)測結(jié)果，將圖1、圖2中的數(shù)據(jù)導(dǎo)出來進(jìn)行精確的對比和驗(yàn)證。具體數(shù)據(jù)如表2所示。

由表2可以清楚的看出預(yù)測結(jié)果，從預(yù)測誤差來看：最大的誤差為0.060 0，而最小誤差僅為0.001。從中可以看出誤差在允許的范圍內(nèi)，預(yù)測結(jié)果符合設(shè)計(jì)要求。

表2 預(yù)測數(shù)據(jù)表

3 結(jié)論

從對上述算例分析可以得出，在電力系統(tǒng)中，采用BP神經(jīng)網(wǎng)絡(luò)的算法，搭建基于神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測模型，是可以通過仿真得到短期電力負(fù)荷預(yù)測數(shù)據(jù)的，且從預(yù)測誤差上來看，采用此方法得到的數(shù)據(jù)與真實(shí)負(fù)荷情況相差不大，預(yù)測比較可靠。