基于誤差反向傳播神經(jīng)網(wǎng)絡(luò)的江蘇省用電量預(yù)測研究

【摘要】電力工業(yè)作為關(guān)系到國計(jì)民生的戰(zhàn)略性產(chǎn)業(yè)，其健康發(fā)展關(guān)系到每一個(gè)人的切身利益。本文收集了全國第一電力消費(fèi)大省江蘇省1990至2013年的用電量數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了用電量預(yù)測模型。并對江蘇省未來五年的用電量進(jìn)行了預(yù)測，為有關(guān)部門的電力規(guī)劃與投資提供有效的決策依據(jù)。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；江蘇省；用電量；預(yù)測

1、引言

電力作為一種特殊的商品具有如下兩大特性：電力不可存儲；電力的生產(chǎn)、運(yùn)輸和消費(fèi)同時(shí)在瞬間完成。因此如果供給過多則會造成巨大的投資與能源浪費(fèi)，如果電力供給不足則會從負(fù)面影響到社會經(jīng)濟(jì)的發(fā)展。另一方面，電力電網(wǎng)投資巨大，建設(shè)周期較長，大約需要三年的時(shí)間，在缺電情況下開工的項(xiàng)目不能馬上發(fā)電以滿足用電需求。三年后開始發(fā)電時(shí)同期經(jīng)濟(jì)可能進(jìn)入下行軌道，屆時(shí)電力需求回落和電力項(xiàng)目集中投產(chǎn)同步發(fā)生，將會導(dǎo)致電力供給大于需求。面對電力投資與用電需求脫節(jié)的難題，盡快建立比較準(zhǔn)確的用電量需求預(yù)測體系具有重要的理論與實(shí)踐意義。江蘇作為經(jīng)濟(jì)大省，經(jīng)濟(jì)發(fā)展和人民生活水平快速提高，對電力的需求持續(xù)增長。2013年，江蘇省全社會用電量實(shí)現(xiàn)歷史性突破，達(dá)4957億千瓦時(shí)，超過廣東省4830.13億千瓦時(shí)的全社會用電量，躍居全國第一[1]。同時(shí)江蘇也是資源小省，電力供求長期處于緊平衡狀態(tài)。所以為了更好地適應(yīng)經(jīng)濟(jì)發(fā)展的需要，精確地預(yù)測未來一段時(shí)間內(nèi)用電量的變化趨勢，對江蘇省電力規(guī)劃和經(jīng)濟(jì)的長遠(yuǎn)發(fā)展而言都具有重要的意義。本文利用BP（誤差反向傳播）神經(jīng)網(wǎng)絡(luò)模型對江蘇省未來五年的全省用電量進(jìn)行預(yù)測，為相關(guān)部門的電力投資與規(guī)劃提供參考數(shù)據(jù)。

2、BP神經(jīng)網(wǎng)絡(luò)原理與結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)也被稱為誤差反向傳播神經(jīng)網(wǎng)絡(luò)，是神經(jīng)網(wǎng)絡(luò)模型中使用最廣泛的一類。它是由非線性變換單元組成的，采用誤差反向傳播學(xué)習(xí)算法的前饋網(wǎng)絡(luò)。從結(jié)構(gòu)上講，BP網(wǎng)絡(luò)是一種分層型的典型多層網(wǎng)絡(luò)，具有1個(gè)輸入層、若干隱含層和1個(gè)輸出層，層與層之間多采用全連接的方式，同一層單元之間不存在相互連接。圖1給出了一個(gè)典型的3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)鋱D。

（7）判斷全局誤差E是否滿足精度要求。若滿足，則轉(zhuǎn)至（9），否則繼續(xù)。

（8）更新網(wǎng)絡(luò)次數(shù)，若學(xué)習(xí)次數(shù)小于規(guī)定的次數(shù)，返回（2）。

（9）結(jié)束。

3、基于BP神經(jīng)網(wǎng)絡(luò)的用電量預(yù)測模型及仿真實(shí)現(xiàn)

根據(jù)上述介紹的BP神經(jīng)網(wǎng)絡(luò)算法基本原理，筆者采用MATLAB R 2009a編制程序，利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱建立網(wǎng)絡(luò)模型，并將建立的網(wǎng)絡(luò)模型用于對江蘇省全社會用電量的預(yù)測。

3.1 樣本數(shù)據(jù)的準(zhǔn)備

獲取樣本數(shù)據(jù)是BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與網(wǎng)絡(luò)訓(xùn)練及測試的基礎(chǔ)，本文通過江蘇省統(tǒng)計(jì)年鑒收集了1990年至2013年江蘇省的電力消費(fèi)量數(shù)據(jù)。具體數(shù)據(jù)見表1。

3.2 網(wǎng)絡(luò)層數(shù)的確定

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，但是Robert Hecht Nielsen在1989年證明了三層網(wǎng)絡(luò)可以模擬任意復(fù)雜的非線性問題，也就是說只含一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)任意的非線性映射[3]。所以，本文選擇三層BP神經(jīng)網(wǎng)絡(luò)模型。

3.3 各層節(jié)點(diǎn)數(shù)的確定

用電量是典型的時(shí)間序列數(shù)據(jù)，具有一定的連貫性。將前幾年的數(shù)據(jù)作為輸入，其后續(xù)年的數(shù)據(jù)作為目標(biāo)，進(jìn)行訓(xùn)練。如果符合實(shí)際情況，就可以對未來的用電量進(jìn)行預(yù)測。對于本問題，輸入為前5年的用電量增長率，輸出為后一年的用電量增長率。將增長率作為樣本的好處是既能直觀地觀測用電量的變動(dòng)趨勢，又能估計(jì)出用電量的絕對值。因此輸入層的節(jié)點(diǎn)數(shù)為5輸出層的節(jié)點(diǎn)數(shù)為1。

隱含層節(jié)點(diǎn)數(shù)的確定目前還沒有比較成熟的理論，通用的隱含層節(jié)點(diǎn)數(shù)的確定經(jīng)驗(yàn)公式為：i=√（m+n）+a[4]

其中：m、n分別為輸入層和輸出層的節(jié)點(diǎn)數(shù)，a為常數(shù)且1

3.4 傳遞函數(shù)與學(xué)習(xí)算法的選取

第一層是S型函數(shù)且第二層為線性函數(shù)的BP神經(jīng)網(wǎng)絡(luò)就可以用來模擬任何連續(xù)有界的函數(shù)[5]。因此，本文隱含層傳遞函數(shù)為S型函數(shù)“tansig”，輸出層函數(shù)為線性函數(shù)“purelin”。與在眾多的算法相比，LevenbergMarquart算法具有收斂速度快和預(yù)測精度高的優(yōu)點(diǎn)，故本文采用LM算法。

3.5 BP網(wǎng)絡(luò)訓(xùn)練與檢測

為了提高新建網(wǎng)絡(luò)的性能，利用premnmx函數(shù)將輸入輸出樣本進(jìn)行[-1，+1]歸一化處理。分別通過newff和train函數(shù)建立與訓(xùn)練網(wǎng)絡(luò)。設(shè)置最大訓(xùn)練次數(shù)為1000，訓(xùn)練目標(biāo)誤差為0.0001，學(xué)習(xí)速率為0.05，動(dòng)量因子為0.9。由圖2可知，從第六個(gè)周期開始，訓(xùn)練誤差小于目標(biāo)誤差，誤差平方和均值為5.89e-008時(shí)訓(xùn)練停止。將歸一化后的檢測樣本帶入已訓(xùn)練好的網(wǎng)絡(luò)，利用sim函數(shù)進(jìn)行模擬仿真，并將仿真結(jié)果通過postmnmx函數(shù)進(jìn)行反歸一化處理，從而得到有效預(yù)測值。由表2可知，用電量增長率預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型誤差很小，預(yù)測值與實(shí)際值的平均誤差為9.68%，預(yù)測結(jié)果準(zhǔn)確性較高。

3.6 江蘇省未來5年用電量BP網(wǎng)絡(luò)訓(xùn)練預(yù)測

把2009年至2013年江蘇省用電量增長率的實(shí)際數(shù)據(jù)作為訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入，得到2014年用電量需求預(yù)測值。將2010年至2013年的實(shí)際數(shù)據(jù)以及2014年的預(yù)測結(jié)果作為輸入，得到2015年預(yù)測值，以此類推，可以得到2014年至2018年江蘇省用電量增長率的預(yù)測結(jié)果。由表3可知，江蘇省未來5年用電量整體呈上升趨勢，但是增幅基本保持在9.5%左右。

4、結(jié)論

本文以1990～2013年江蘇省用電量數(shù)據(jù)為基礎(chǔ)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型，并利用MATLAB提供的工具箱進(jìn)行編程。經(jīng)過對歷年江蘇省電力消費(fèi)量的分析，合理地設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，取得了一定的定量分析的結(jié)果。希望通過本文的分析能夠滿足預(yù)測江蘇省電力消費(fèi)的需要，為電力行業(yè)相關(guān)部門合理安排各電廠發(fā)電量，降低運(yùn)行成本提供有效的決策依據(jù)。

參考文獻(xiàn)

[1]國網(wǎng)江蘇省電力公司.江蘇省全社會用電量居全國第一[EB/OL].[2014-01-07]. http：//www.js.sgcc.com.cn/.

[2]崔東文.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型的云南文山州水資源脆弱性綜合評價(jià)[J].長江科學(xué)院院報(bào)，2013，30（3）：1-7.

[3]李亞中，徐朝.2012年中國電機(jī)工程學(xué)會年會 [C].北京：2012，315-318.

[4]張善鎏，于永忠.基于BP神經(jīng)網(wǎng)絡(luò)在校園用電量預(yù)測的應(yīng)用[J].科協(xié)論壇，2013（12）：68-69.

[5]郭娟.基于BP神經(jīng)網(wǎng)絡(luò)的中國鐵礦石需求量預(yù)測[J].國土資源報(bào)，2008（11）：41-44.