基于BP神经网络的短期负荷预测研究-论文.pdf

《基于BP神经网络的短期负荷预测研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第9期电子信息科学与技术基于BP神经网络的短期负荷预测研究■崔一鸣电力系统短期负荷预测是能量管理系统的重要组成部分，不但为电力系统的安全、经济运行提供保障，也是电力市场环境下编排调度计划、』三p，)一0)>L，，)：』)+，三，)(f)供电计划、交易计划的基础。因此，短期负荷预测方法的研究一直为人【L(d，f)一L(f)<02【O)+o2，L(d，f)<￡O)们所重视。其中，三)为待处理数据最近几天，时刻的负荷平均值；和为正负阈值。BP神经网络因其可塑性强、结构简单的特点得到了广泛应用，因数

2、据异常水平处理是根据电力负荷的连续性变化这一特点进行处此，本文在MATLAB语言环境下，建立了BP神经网络短期负荷预测模理的，认为同一日期的相邻时刻的负荷具有连续性，且相邻时刻的负荷型。此外，为了克服网络初始值选取不当，以致部分预测结果不理想以值会维持在一定范围之内。由此可得修正方法如下：及陷入局部极小与极大值的缺点，给出了适当的改进方法。如果则一、引言J1三，f)一，t—1)l>L(d，f)=，t一1)+，t+1))／2(3)短期负荷预测是指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划

3、，包括确定机组起停、水火电协调、联络线交换功率、IlL(d，t)-L(d，t+1)l>负荷经济分配、水库调度和设备检修等，主要受时间因素，天气因素和其中，L(d，f)为第d天第f时刻的负荷，为阈值。随机因素的影响。其中，时间因素的影响又包括：季节的影响、日或周3激据归一化和反归一化处理的周期性的影响以及节假日的影响。由于是采用BP神经网络进行短期负荷预测，为了避免在训练过程二、BP神经网络中神经元的饱和现象，需要对预处理后的数据进行归一化处理，这样做在人工神经网络中，BP神经网络算的上是应用最广的一种

4、神经网有利于训练过程的收敛，否则网络可能无法收敛。这里采取的归一化处络。目前，80％到90％的人工神经网络都采用BP神经网络或它的变化理的方式如下：形式。此外，BP神经网络还是前向网络的核心部分，并体现出人工神对训练样本集中的数据，例如，只统计其最大值，然后用下式将经网络的精华所在。BP神经网络也被称为误差反向传播神经网络，它数据映射到『0，l】区间：是由非线性变换单元组成的前馈网络。(4)BP神经网络实际上是一个多层感知器的前馈网络。多层感知器由y=输入层、隐含层(内部层)和输出层组成。隐含层可以是

5、一层或多层。隐含层和输出层中的任一神经元的实际输入等于与它相邻的上一层中式中，X为映射前取值；y为映射后取值。的各神经元输出的加权和。从数学意义上讲，BP神经网络所完成的信在预测结束以后，需要注意，预测结果仍为归一化后结果，因此，息处理工作是利用训练样本实现从输入到输出的映射。若输入层节点数需要对其进行反归一化处理，即将上述公式反代运算得到预测结果实为n，输出层节点数为，则网络是从尺到R的一个高度非线性映射。际值。BP神经网络不需要知道描述这种映射的具体数学表达式，而只是在所(二)基于BP神经网络预测

6、模型的建立选网络的拓扑结构下，通过学习算法调整各神经元的阈值和连接权值，基于BP神经网络预测模型的建立主要包括输入层和输出层结构的设计、训练样本的设计、隐含层结构的设计、各层之间的传输函数的设使误差信号最小。计、网络训练函数的设计、网络训练性能函数的设计以及网络训练要求三、基于BP神经网络的太原地区短期负荷预测的设计七个个方面。本文采用前一天的历史负荷数据去预测下一天的负(一)数据处理荷数据，因此，预测模型的输入层节点数与输出节点数均等于一天负荷1数据缺失处理测量点数96，且其均按时间先后顺序排列，并

7、以此建立了适合于本文在负荷监测中，由于机械故障等原因使得所记录的负荷数据不全所采用数据的基于BP神经网络的短期负荷预测模型。面，会出现数据缺失的现象，也就是数据的遗漏。历始负荷数据中缺失(三)特殊点模型重构数据可以分为两种类型，一种是连续缺失的数据，另一种是间隔缺失的上述预测模型虽然已能较好的满足预测要求，但仍存在一些问题，数据。为此，将采取不同的方法应对这两种情况，下面分别进行讨论。特别是其中有两点比较明显，现将其归纳出来，并针对其提出改进方法，对于连续缺失的数据，由于其分布集中，时间跨越连续时刻，

8、而且讨论如下。‘一天中的负荷数据有一定的连续性。因此，经分析决定采取缺失日前后之前在负荷预测时，有极个别天存在预测结果整体不理想情况，此一星期对应类型(星期)日数据值取平均补全，可以使误差较小。处采取的改进的方法为在未重新启动MATLAB的情况下，通过对预测对于间隔缺失的数据，由于其相邻天同一时刻的数据均未缺失，因结果的波动进行辨识，从而控制MATLAB重复仿真，以实现预测误差此，为使补全误差相对于之前尽可能减小，补全数据的方法不同于上述减小的目的。连续