陸萬雨

（安徽省淮北一中,安徽淮北 235000）

1 電力系統(tǒng)短期負(fù)荷預(yù)測

1.1 負(fù)荷預(yù)測的意義

電力系統(tǒng)運(yùn)行過程中,必須保證供電和用電的實(shí)時(shí)平衡。電網(wǎng)負(fù)荷的提前預(yù)測，能減小不必要的備用量，促進(jìn)發(fā)電機(jī)的合理配置，節(jié)約能源，提高能源利用率；還能為電網(wǎng)的調(diào)度和可靠運(yùn)行提供支撐，進(jìn)而為電力部門制定銷售計(jì)劃和電廠制定生產(chǎn)和維修計(jì)劃提供指導(dǎo)。

1.2 短期負(fù)荷預(yù)測

根據(jù)預(yù)測周期的長短，可分為長期、中期、短期和超短期預(yù)測。短期預(yù)測的時(shí)間尺度為一天或數(shù)天，電力部門可以據(jù)此調(diào)節(jié)調(diào)度，調(diào)整短期運(yùn)行方式，對電力交易量統(tǒng)計(jì)具有重要意義。

2 BP神經(jīng)網(wǎng)絡(luò)算法

2.1 神經(jīng)元模型

神經(jīng)網(wǎng)絡(luò)是一個(gè)大規(guī)模非線性連續(xù)時(shí)間自適應(yīng)信息處理系統(tǒng)。神經(jīng)元是一個(gè)多輸入單輸出的非線性模型（圖1），表達(dá)式見式（1）。

式（1）中，j是神經(jīng)元單元的閾值，Wji是各層之間鏈接的權(quán)系數(shù)（激發(fā)狀態(tài)取正值，抑制狀態(tài)取負(fù)值），n代表輸入信號(hào)的數(shù)目，Yj是神經(jīng)元的輸出，t代表時(shí)間，f是激勵(lì)函數(shù)。

2.2 BP網(wǎng)絡(luò)模型

3層BP網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，BP網(wǎng)絡(luò)每一層的連接權(quán)值都可以通過學(xué)習(xí)來調(diào)節(jié)。BP網(wǎng)絡(luò)的訓(xùn)練過程分為前向傳播和誤差反向傳播。圖3為BP網(wǎng)絡(luò)訓(xùn)練流程圖。

3 基于BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測

3.1 預(yù)測流程

預(yù)測流程主要包涵數(shù)據(jù)收集、數(shù)據(jù)處理、建立預(yù)測模型、進(jìn)行負(fù)荷預(yù)測、誤差分析等5個(gè)主要流程，其中，建立預(yù)測模型分設(shè)計(jì)BP網(wǎng)絡(luò)和訓(xùn)練BP網(wǎng)絡(luò)兩部分。

3.2 BP網(wǎng)絡(luò)設(shè)計(jì)

1989 年，Robert Hecht－Nielsen證明了三層的BP神經(jīng)網(wǎng)絡(luò)可以任意逼近閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)。采用三層經(jīng)典BP神經(jīng)網(wǎng)絡(luò)，隱含層節(jié)點(diǎn)數(shù)的確定直接影響預(yù)測的準(zhǔn)確性，采用試錯(cuò)法訓(xùn)練并檢驗(yàn)網(wǎng)絡(luò)性能來確定。經(jīng)檢驗(yàn)，確定輸入節(jié)點(diǎn)數(shù)為10，隱含層節(jié)點(diǎn)數(shù)為12，輸出節(jié)點(diǎn)數(shù)為1。

3.3 誤差評(píng)價(jià)

誤差評(píng)價(jià)指標(biāo)是衡量模型預(yù)測結(jié)果好壞的標(biāo)準(zhǔn)，本文采用相對誤差和平均相對誤差兩項(xiàng)指標(biāo)進(jìn)行誤差評(píng)價(jià)。

4 算例分析

MATLAB是國際公認(rèn)優(yōu)秀的數(shù)學(xué)應(yīng)用軟件，主要用于數(shù)值分析、矩陣運(yùn)算、信號(hào)處理和圖形顯示。軟件中神經(jīng)網(wǎng)絡(luò)工具箱內(nèi)含有豐富的函數(shù)，調(diào)用這些函數(shù)可以完成網(wǎng)絡(luò)設(shè)計(jì)、權(quán)值初始化和網(wǎng)絡(luò)訓(xùn)練。

仿真預(yù)測數(shù)據(jù)來自采用美國加利福尼亞州2000年的電網(wǎng)運(yùn)行數(shù)據(jù)，輸入數(shù)據(jù)（5月5日－6月 4日），期望輸出（6月5日），并用Matlab軟件進(jìn)行預(yù)測（6月6日），結(jié)果及誤差見表1。

分析表1仿真結(jié)果可以發(fā)現(xiàn)，最大誤差5.925%，日平均相對誤差2.268%，準(zhǔn)確率97.732%，預(yù)測精度能夠滿足電力系統(tǒng)運(yùn)行的需要。繪制預(yù)測結(jié)果擬合曲線（圖4）。

圖1 神經(jīng)元模型

圖2 BP網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3 BP網(wǎng)絡(luò)訓(xùn)練流程圖

圖4 預(yù)測結(jié)果擬合曲線

5 結(jié)語

電力系統(tǒng)短期負(fù)荷預(yù)測的過程中，必須結(jié)合負(fù)荷特點(diǎn)、選取合理的預(yù)測模型進(jìn)行短期負(fù)荷預(yù)測。選取三層BP神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練樣本采用以往負(fù)荷數(shù)據(jù)，所測結(jié)果與實(shí)際值比較接近，表明該方法是有效的，可以滿足短期負(fù)荷預(yù)測的要求。

［1］周潮，邢文洋，李宇龍.電力系統(tǒng)負(fù)荷預(yù)測方法綜述［J］.電源學(xué)報(bào)，2012（6）：32－39.

［2］廖旎煥，胡智宏，馬瑩瑩，盧王允.電力系統(tǒng)短期負(fù)荷預(yù)測方法綜述［J］.電力系統(tǒng)保護(hù)與控制，2011（1）：147－152.

［3］陸宇燁，張健釗，徐巖哲，方佳渝.電力系統(tǒng)負(fù)荷預(yù)測方法綜述［J］.電子科技，2013（11）：173－175.

表1 預(yù)測結(jié)果及誤差

［4］毛健，趙紅東，姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用［J］.電子設(shè)計(jì)工程，2011（24）：62－65.

［5］飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB 7實(shí)現(xiàn)［M］.北京：電子工業(yè)出版社，2005.

［6］敖磊.電力市場短期電價(jià)預(yù)測模型及研究［D］.武漢：華中科技大學(xué)，2006.

［7］SATISH B,SWARUPK S,SRINIVASS,etal.Effectof temperature on short－term load forecasting an integrated ANN［J］.Electric Power systems Research,2004,72(1)：95－101.