摘?要：對于電力系統(tǒng)來講，預測系統(tǒng)負荷的措施有助于維持電力系統(tǒng)的正常運行，避免頻繁出現(xiàn)偏低或者偏高的電力系統(tǒng)負荷。在目前的現(xiàn)狀下，技術人員已經(jīng)能夠借助于神經(jīng)網(wǎng)絡算法用于完成全方位的系統(tǒng)負荷預測，從而保證了整個電力系統(tǒng)能夠處于有效的負荷控制下。因此針對短期的電力系統(tǒng)負荷預測而言，應當嘗試引進BP的神經(jīng)網(wǎng)絡算法作為支撐，確保得出精確的負荷預測結論。

關鍵詞：電力系統(tǒng);短期負荷預測;BP神經(jīng)網(wǎng)絡算法

預測電力系統(tǒng)的短期負荷重點針對于目前現(xiàn)存的負荷波動規(guī)律，通過運用科學預測的方式來推測每周以及每日的系統(tǒng)負荷需求。電力系統(tǒng)由于受到人為因素、當?shù)貧夂蛞蛩丶捌渌蛩匾l(fā)的影響，那么將會呈現(xiàn)頻繁的負荷波動狀態(tài)。在此前提下，針對電力系統(tǒng)有必要運用神經(jīng)網(wǎng)絡算法來預測精確的短期負荷波動趨勢，遵循負荷變化規(guī)律來控制電力系統(tǒng)的整體運行。

一、改進BP神經(jīng)網(wǎng)絡算法的基本內(nèi)容

從基本技術特征的角度來講，BP神經(jīng)網(wǎng)絡算法主要依賴于特定的計算模型，通過構建多層前向的神經(jīng)網(wǎng)絡系統(tǒng)來實現(xiàn)針對連接權值的修正與迭代操作。具體在進行模型運算時，該算法著眼于負梯度方向的判斷，并且遵循期望輸出值以及真實的神經(jīng)網(wǎng)絡輸出值差異來進行上述的計算處理[1]。由此可見，上述算法本身應當屬于全局最優(yōu)解的尋求過程，并且具備非線性函數(shù)的典型特征。然而不應當忽視，傳統(tǒng)的神經(jīng)網(wǎng)絡算法無法達到較快的收斂速度，因此必須予以適當?shù)母倪M。

對于BP算法在進行優(yōu)化與改進的實踐中，技術人員重點著眼于優(yōu)化原有的數(shù)值計算方法，并且修改了負梯度的計算思想，在此前提下誕生了具有彈性的全新神經(jīng)網(wǎng)絡算法，進而衍生出附加動量的算法以及學習率可變的算法。例如，運用神經(jīng)網(wǎng)絡工具箱的方法可以構建MATLAB的算法函數(shù)，并且借助共軛梯度的算法來實現(xiàn)全方位的求解數(shù)值優(yōu)化。

BP神經(jīng)網(wǎng)絡的計算過程由正向計算過程和反向計算過程組成。在這其中，正向傳播過程指的是輸入模式從輸入層經(jīng)隱單元層逐層處理，并轉(zhuǎn)向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)[2]。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的連接通路返回，通過修改各神經(jīng)元的權值，使得誤差信號最小，而反向傳播過程則體現(xiàn)為相反的順序。

二、對比預測電力系統(tǒng)短期負荷的實效性

作為現(xiàn)階段的技術改進要點來講，預測系統(tǒng)短期負荷的算法正在不斷得到更新。經(jīng)過全面的技術改進以后，目前已經(jīng)誕生了多種多樣的混合運算方法。從本質(zhì)上講，電力系統(tǒng)體現(xiàn)為頻繁的負荷波動特性，因此必須借助科學手段來完成針對各時間段網(wǎng)絡負荷的精確預測。技術人員通過整合目前現(xiàn)存的各類典型算法，應當能夠給出最佳的負荷預測方法[3]。具體在運用BP算法的實踐中，預測短期性的系統(tǒng)負荷狀態(tài)主要體現(xiàn)在如下的技術要點：

（一）構建完整的神經(jīng)網(wǎng)絡模型

構建完整的神經(jīng)網(wǎng)絡模型，該措施構成了預測電力系統(tǒng)負荷的關鍵前提。具體在選取相應的學習樣本時，應當確保全部的樣本都來源于現(xiàn)有的天氣狀態(tài)以及系統(tǒng)負荷變化。在每日的時間段內(nèi)，對于采樣數(shù)據(jù)需要保證符合特定的數(shù)目，并且限定于半個小時的樣本采集間隔。此外在進行采樣時，關鍵在于結合當?shù)噩F(xiàn)有的節(jié)假日以及當日平均氣溫，據(jù)此給出綜合性的推斷結論。

然而針對不同種類的采樣數(shù)據(jù)而言，與之有關的采樣誤差也體現(xiàn)為多樣性。因此在輸入各項的采樣數(shù)據(jù)以前，首先需要運用科學手段來實現(xiàn)針對數(shù)據(jù)誤差的有效降低，以便于輸入統(tǒng)一的負荷采樣信息。通過運用歸一化處理的方式，技術人員針對不同種類的電網(wǎng)負荷信息就能實現(xiàn)統(tǒng)一處理，進而給出了精確程度更高的負荷預測結論。在此過程中，通常需要用到最小與最大的系統(tǒng)負荷數(shù)值[4]。經(jīng)過全面的歸一處理以后，確保能夠給出完整的負荷預測結果。

（二）評價電網(wǎng)負荷預測的效果

神經(jīng)網(wǎng)絡模型能否體現(xiàn)最佳的負荷預測效果，其直接決定于評價系統(tǒng)負荷的各項基本操作指標。因此在評價與判斷預測系統(tǒng)負荷的實效性時，前提在于擬定具備可操作性的負荷測定指標，以便于給出精確的系統(tǒng)負荷評價。在多數(shù)情況下，經(jīng)過每日的負荷測定操作后，應當能夠據(jù)此給出真實的電網(wǎng)負荷值、預測的電網(wǎng)負荷值、采樣點的總數(shù)以及其他相關指標。并且，關于評價負荷預測的結論還會涉及到最大的絕對值誤差、相對誤差、測定日負荷的精確率、平均的相對誤差等。

需要注意的是，在不同的時間段內(nèi)，同個區(qū)域的電網(wǎng)負荷將會表現(xiàn)為差異性。這是由于，電網(wǎng)負荷可能會受到當前的用戶用電總量以及其他的人為操作影響。在多數(shù)情況下，惡劣的外界氣候也會影響整體的電網(wǎng)負荷波動[5]。具體在預測與評價電網(wǎng)負荷時，應當綜合考慮以上的各項基本要素，進而給出精確的負荷預測結論。

（三）對比各類算法的預測結論

相比而言，建立在數(shù)值優(yōu)化基礎上的神經(jīng)網(wǎng)絡算法具有較差的數(shù)值精確率，但是建立在梯度下降算法之上的數(shù)值預測結論可以保證達到更好的精確程度。并且，收斂速度、負荷數(shù)據(jù)的計算操作量以及訓練時間這三項要素之間具有內(nèi)在的關聯(lián)性。在增多隱含層節(jié)點的狀態(tài)下，訓練時間也會呈現(xiàn)明顯延長的趨勢。因此經(jīng)過綜合性的判斷與對比后，應當能夠結合現(xiàn)有的電網(wǎng)負荷狀態(tài)來選擇最佳的負荷預測方法。

三、結語

BP神經(jīng)網(wǎng)絡算法作為目前關鍵的負荷預測算法而言，其主要著眼于判斷現(xiàn)有的系統(tǒng)負荷波動，確保給出精確的負荷波動規(guī)律以及系統(tǒng)需求現(xiàn)狀。并且，運用BP神經(jīng)網(wǎng)絡算法還能用于推測短期內(nèi)的電力系統(tǒng)負荷，結合電力系統(tǒng)目前所處的整體運行環(huán)境來維持穩(wěn)定的電力系統(tǒng)運行，節(jié)約負荷預測的總成本。

參考文獻：

[1]王蕾.基于改進BP神經(jīng)網(wǎng)絡的中央空調(diào)冷負荷預測研究[J].計算機測量與控制，2014，22（16）：568.

[2]王吉權，王福林，董志貴，等.基于改進BP神經(jīng)網(wǎng)絡的電力負荷預測[J].數(shù)學的實踐與認識，2017，47（9）：276-284.

[3]李志恒，孫冉，張建立，等.基于改進BP神經(jīng)網(wǎng)絡的中長期電力負荷預測算法設計[J].自動化與儀器儀表，2017，13（10）：23-25.

[4]朱海兵，崔玉，熊浩.基于改進型BP神經(jīng)網(wǎng)絡的電網(wǎng)負荷預測[J].現(xiàn)代電子技術，2016，39（20）：64-66.

[5]王善磊.基于BP神經(jīng)網(wǎng)絡系統(tǒng)的電力系統(tǒng)負荷預測[J].數(shù)碼世界，2018，25（31）：109.

作者簡介：程超（1990-），男，安徽懷寧人，在讀研究生，主要從事電力負荷預測方面的研究。