電力短期負荷預(yù)測的研究

《電力短期負荷預(yù)測的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、電力短期負荷預(yù)測的研究電力短期負荷預(yù)測的研究【摘要】電力短期負荷預(yù)測是電力部門的一項重耍工作，在電力系統(tǒng)的安全、可靠及經(jīng)濟運行中起到了很重要的作用。在本文中，利用模擬退火算法的全局尋優(yōu)能力和BP神經(jīng)網(wǎng)絡(luò)的非線性學習能力,提出了模擬退火B(yǎng)P神經(jīng)網(wǎng)絡(luò)的電力短期負荷預(yù)測模型來實現(xiàn)短期負荷的預(yù)測，從而能有效地克服BP神經(jīng)網(wǎng)絡(luò)容易限入局部極小的缺陷。通過某市的實際數(shù)據(jù)為算例，驗證了本算法的有效性和優(yōu)越性。【關(guān)鍵詞】短期負荷預(yù)測；BP神經(jīng)網(wǎng)絡(luò)；模擬退火算法0引言電力的短期負荷預(yù)測是電力系統(tǒng)的一項重要工作，是實現(xiàn)供電可靠、經(jīng)濟管理的基礎(chǔ)。市于電力負荷受到很多因索的

2、影響，負荷預(yù)測方法發(fā)展至今，雖然已經(jīng)積累了很多經(jīng)驗，但是還沒有一種可靠的模型實用于不同地區(qū)。本文針對某市電力負荷的特點，提出了模擬退火B(yǎng)P神經(jīng)網(wǎng)絡(luò)電力短期負荷預(yù)測模型。經(jīng)驗證，該模型在實現(xiàn)負荷預(yù)測方面的可行性。1BP神網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)理論的研究始于1890年美國著名心理學家W.James關(guān)于人腦結(jié)構(gòu)與功能的研究，至今已提出過許多網(wǎng)絡(luò)模型，其中用于預(yù)測的網(wǎng)絡(luò)主耍是BP神經(jīng)網(wǎng)絡(luò)。這是因為BP神經(jīng)網(wǎng)絡(luò)主耍有以下特點：（1）較強的非線性映射能力；（2）很好的泛化能力；（3）很強的容錯能力和學習能力。D.E.Rume1hart和J.L.MeCeliand及其研

3、究小組于1986年研究并設(shè)計出來BP神經(jīng)網(wǎng)絡(luò)（Back-propagationNeutralNetwork）是一種基于誤差反向傳播（BP算法）的多層前向神經(jīng)網(wǎng)絡(luò)，采用有導(dǎo)師的訓練方式。BP算法的學習過程包括信號的正向傳播與誤差的反向傳播兩個過程。三層BP網(wǎng)絡(luò)是一種應(yīng)用很普遍的神經(jīng)網(wǎng)絡(luò)，它包括輸入層、隱層和輸出層，如圖1所示，輸入層神經(jīng)元的個數(shù)為輸入信號的維數(shù)，隱含節(jié)點的個數(shù)視具體情況而定，輸出層神經(jīng)元的個數(shù)為輸出信號的維數(shù)。BP網(wǎng)絡(luò)的T作流程見圖2所示。圖1BP神經(jīng)網(wǎng)絡(luò)誤差的反向傳播是BP網(wǎng)絡(luò)的一大特點，但是，該網(wǎng)絡(luò)也存在以下一些主要缺陷：(1)訓練

4、次數(shù)太多，效率較低；(2)易于陷入局部極小而不能實現(xiàn)全局最優(yōu)。針對這些缺點，本文利用模擬退火算法對BP網(wǎng)絡(luò)進行改進。2模擬退火算法1953年Metropolis等提出的模擬退火算法(SimulatedAnnealing,簡稱SA)能夠近似求解具有NP復(fù)雜性的問題，可以避免陷入局部極小的問題。模擬退火算法主要包括狀態(tài)產(chǎn)生函數(shù)、狀態(tài)接受函數(shù)、溫度更新函數(shù)、內(nèi)循環(huán)終止準則和外循環(huán)終止準則。其工作過程如圖3所示。圖2BP網(wǎng)絡(luò)的工作過程圖3模擬退火算法的流程圖3神經(jīng)網(wǎng)絡(luò)負荷預(yù)測模型木文設(shè)計的預(yù)測模型中BP神經(jīng)網(wǎng)絡(luò)的輸入層共有8個輸入端，分別用來輸入待測H前四天

5、對應(yīng)時刻的負荷，以及天氣因素中的最低溫度、最高溫度、降雨量和FI期類型；因為本模型的輸出為對應(yīng)吋刻的負荷，故輸出層只有一個輸出端；隱含節(jié)點的最佳個數(shù)現(xiàn)在沒有一個具體的方法或者公式來確定，通過實驗，本文最終取9個隱含節(jié)點。該模型工作流程見圖4所示。4驗證本文利用該模型及單-的BP神經(jīng)網(wǎng)絡(luò)模型來預(yù)測某市的負荷。由于預(yù)測過程中所用的數(shù)據(jù)性質(zhì)不同，大小差別很大，因此在使用之前，需要對數(shù)據(jù)進行歸一化處理，對預(yù)測結(jié)果需要進行還原。本文所用的轉(zhuǎn)移函數(shù)均為單極性Sigmoid函數(shù)。利用歷史數(shù)據(jù)，進行預(yù)測,預(yù)測結(jié)果見圖5所示。預(yù)測誤差分布見圖6所示。圖4預(yù)測模型工作流

6、程圖5預(yù)測結(jié)果圖6預(yù)測誤差通過以上預(yù)測結(jié)果可知，利用該模型在預(yù)測結(jié)果的準確性方面,比單一BP神經(jīng)網(wǎng)絡(luò)具有很大的優(yōu)勢，同時也驗證了該模型的可行性。5結(jié)論針對單…的BP神經(jīng)網(wǎng)絡(luò)的缺點，本文利用模擬退火算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，經(jīng)驗證，該方法是可行的。【參考文獻】［1］朱興統(tǒng)?基于SA-LSSVM的電力短期負荷預(yù)測［J］?科學技術(shù)與工程，2012,12(24)：6171-6173?［2］師彪，李郁俠，于新花，等?基于改進粒子群模糊神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測［J］?系統(tǒng)工程理論與實踐,2010,30(1)：157-166.［3］李慧，王來運?基于混沌蟻群算法的

7、電力短期負荷預(yù)測［J］?北京信息科技大學學報，2011,26(4)：40-43.［4］鄭永康，陳維榮，蔣剛，等?基于混沌理論的短期負荷局域多步預(yù)測法［J］?電力系統(tǒng)及其自動化學報,2007,19(4)：76-79.［5］谷子，唐巍.電力短期負荷時間序列混沌相空間重構(gòu)參數(shù)優(yōu)選法［J］?中國電機工程學報,2006,26(14)：18-23.［責任編輯：丁艷］