基于BP神經(jīng)網(wǎng)絡(luò)的地區(qū)電網(wǎng)用電量的預(yù)測(cè)與研究

寧欣 王濤 劉文博

摘 要：地區(qū)電網(wǎng)用電量預(yù)測(cè)是一個(gè)復(fù)雜的非線性問題，一般的預(yù)測(cè)模型不能做到精準(zhǔn)預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)的分散存儲(chǔ)信息的優(yōu)點(diǎn)，使得網(wǎng)絡(luò)能處理復(fù)雜的非線性問題，在預(yù)測(cè)領(lǐng)域具有很強(qiáng)的實(shí)用性。BP神經(jīng)網(wǎng)絡(luò)能及時(shí)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)應(yīng)對(duì)用電量變化較大的電網(wǎng)，實(shí)現(xiàn)用電量的精準(zhǔn)預(yù)測(cè)。本文深入研究BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和學(xué)習(xí)算法，結(jié)合BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)仙桃地區(qū)2010年至2014年電網(wǎng)用電量準(zhǔn)確預(yù)測(cè)。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；地區(qū)電網(wǎng)；用電量預(yù)測(cè)

本文分析了地區(qū)電網(wǎng)用電量預(yù)測(cè)的方法，深入研究了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和學(xué)習(xí)算法，結(jié)合BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)仙桃地區(qū)2010年至2014年電網(wǎng)用電量的準(zhǔn)確預(yù)測(cè)。

1 研究背景及意義

電力產(chǎn)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)保證，考慮到電能的特殊性、時(shí)滯性，按需生產(chǎn)難度極大。在保證電網(wǎng)供電質(zhì)量的前提下，實(shí)行電能的生產(chǎn)與消耗同步，這就要求供電系統(tǒng)在發(fā)電前對(duì)地區(qū)電網(wǎng)用電量進(jìn)行科學(xué)有效預(yù)測(cè)，使電力建設(shè)滿足國(guó)民生產(chǎn)需要。隨著科學(xué)技術(shù)水平提高，電力預(yù)測(cè)的方法逐步被專家學(xué)者提出，神經(jīng)網(wǎng)絡(luò)算法是預(yù)測(cè)的主流方法。美國(guó)學(xué)者 Rumelhart和Williams 等完整地提出了 BP 算法，網(wǎng)絡(luò)通過改變連接權(quán)值來改變控制結(jié)果。神經(jīng)網(wǎng)絡(luò)能記憶和存儲(chǔ)信息，在不同環(huán)境下能自適應(yīng)，可自行對(duì)知識(shí)推理，因而成為電量預(yù)測(cè)中使用最頻繁的預(yù)測(cè)模型。

2 地區(qū)電網(wǎng)用電量預(yù)測(cè)方法

地區(qū)電網(wǎng)用電量預(yù)測(cè)是指從當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)對(duì)電能需求出發(fā)，在大量電網(wǎng)用電量歷史數(shù)據(jù)的研究基礎(chǔ)上，對(duì)地區(qū)電網(wǎng)用電量做出合理的估計(jì)與預(yù)測(cè)。地區(qū)電網(wǎng)用電量預(yù)測(cè)可以從預(yù)測(cè)周期和用電行業(yè)分類。預(yù)測(cè)周期分為短期預(yù)測(cè)、中期預(yù)測(cè)、長(zhǎng)期預(yù)測(cè)。電網(wǎng)用電量預(yù)測(cè)從行業(yè)角度分為3類。工業(yè)用電是指在工業(yè)生產(chǎn)過程中所消耗的電量，工業(yè)用電具有穩(wěn)定性強(qiáng)和用電量大的特性，隨季節(jié)變化幅度不大；商業(yè)用電和農(nóng)村用電占總用電比例少，受氣候和時(shí)間段的影響較大。

3 BP神經(jīng)網(wǎng)絡(luò)用電量預(yù)測(cè)模型設(shè)計(jì)與實(shí)現(xiàn)

3.1 BP網(wǎng)絡(luò)模型的訓(xùn)練

BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過程也是網(wǎng)絡(luò)參數(shù)修改的過程，訓(xùn)練過程中系統(tǒng)根據(jù)誤差對(duì)各層神經(jīng)元參數(shù)修改，待輸出誤差達(dá)到最小，確定各層參數(shù)。選取歸一化處理后的1998年至2009年用電量數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，網(wǎng)絡(luò)訓(xùn)練結(jié)果為：

最優(yōu)隱含節(jié)點(diǎn)數(shù)hidnumber =23；最優(yōu)學(xué)習(xí)率lr = 0.2000；BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的RMSE，RMSETrain1 = 0.0610?？芍狟P神經(jīng)網(wǎng)絡(luò)訓(xùn)練200次時(shí)已達(dá)到要求，輸出誤差為0.01。由此可設(shè)計(jì)BP網(wǎng)絡(luò)輸入層神經(jīng)元7個(gè)；中間層神經(jīng)元23個(gè)；輸出層神經(jīng)元1個(gè)。網(wǎng)絡(luò)生成圖如圖1所示。

3.2 BP神經(jīng)網(wǎng)絡(luò)用電量預(yù)測(cè)

選用2010年-2014年就業(yè)總?cè)藬?shù)、工業(yè)總產(chǎn)值、企業(yè)總數(shù)、電冰箱和空調(diào)總數(shù)、水電投資額作為影響用電量主要因素，選用上述因素?cái)?shù)據(jù)作為BP網(wǎng)絡(luò)輸入，預(yù)測(cè)該地區(qū)電網(wǎng)年用電量。將輸入數(shù)據(jù)歸一化處理得到表1數(shù)據(jù)：

經(jīng)MATLAB仿真軟件得到結(jié)果為：

實(shí)際值：T2 =[ 6632.3 7139.6 7508.5 8549.5 8884.4]。預(yù)測(cè)結(jié)果：ybptest = [ 6795.8 7215.0 7847.2 8560.5 8606.9]。

BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)本地區(qū)2010年至2014年實(shí)際年用電量和如表2所示。

從圖2中可看出BP神經(jīng)網(wǎng)絡(luò)輸出結(jié)果和實(shí)際用電量走勢(shì)一致，在用電量變化較大拐點(diǎn)處，BP神經(jīng)網(wǎng)絡(luò)做到了精準(zhǔn)預(yù)測(cè)。在2010年至2013年BP預(yù)測(cè)值均超過了實(shí)際用電量，2013年至2014年實(shí)際用電量多余BP預(yù)測(cè)值。因此，在地區(qū)電網(wǎng)配電過程中，應(yīng)根據(jù)BP預(yù)測(cè)值留有余量。

4 結(jié)語

從表3-2知地區(qū)電網(wǎng)年用電量相對(duì)誤差最大為5.1%，最小為1.5%，預(yù)測(cè)誤差均在允許誤差范圍內(nèi)。但是最大誤差值5.1%偏高，說明本文設(shè)計(jì)的BP算法有待優(yōu)化，用電量影響指標(biāo)也需要根據(jù)近幾年實(shí)際情況調(diào)整。從整體上看，本文設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)對(duì)湖北仙桃地區(qū)電網(wǎng)年用電量預(yù)測(cè)較為精準(zhǔn)，能準(zhǔn)確預(yù)測(cè)該地區(qū)電網(wǎng)用電量走勢(shì)和用電高峰。

參考文獻(xiàn)：

[1]劉敏.淺析電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法[J].城市建設(shè)理論研究，2015，12（10）：402-403.

[2]袁宇春，張保會(huì).電力負(fù)荷短期預(yù)測(cè)的改進(jìn)神經(jīng)網(wǎng)絡(luò)方法[J].電力系統(tǒng)自動(dòng)化，2013，25（21）：15-17.

[3]趙會(huì)敏，楊軍超.集成BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的研究與運(yùn)行[J].電信科學(xué)，2016，15（2）：23-27.

[4]樊振宇.BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法[J].軟件導(dǎo)刊，2011，21（07）：66-68.

[5]王濤，孫智躍，忻俊慧.湖北電網(wǎng)負(fù)荷運(yùn)行情況分析[J].湖北電力，2015，31（30）：29-46.

[6]王效岳，劉好明，劉曉麗.改進(jìn) BP 神經(jīng)網(wǎng)絡(luò)在城市工業(yè)用電量預(yù)測(cè)中的應(yīng)用[J].自動(dòng)化技術(shù)與應(yīng)用，2007，26（12）：3-6.