基于灰色關(guān)聯(lián)分析和BP神經(jīng)網(wǎng)絡(luò)的用電量預(yù)測(cè)

楊澤眾 嚴(yán)守靖 晏斌

摘要：隨著電網(wǎng)的高速發(fā)展，針對(duì)目前年度用電量預(yù)測(cè)的樣本數(shù)據(jù)在新常態(tài)下電力負(fù)荷變化趨勢(shì)和過(guò)去有一定的差異的問(wèn)題，文章采用灰色關(guān)聯(lián)分析與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對(duì)湖北省年用電量進(jìn)行預(yù)測(cè)。根據(jù)1997-2016年湖北省年用電量及其10個(gè)影響因子的數(shù)據(jù)，采用灰色關(guān)聯(lián)分析法對(duì)數(shù)據(jù)進(jìn)行處理，選取確定3個(gè)關(guān)聯(lián)度較大的影響因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，建立BP神經(jīng)網(wǎng)絡(luò)用電量預(yù)測(cè)模型，最后對(duì)湖北省未來(lái)幾年用電量進(jìn)行了預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，灰色關(guān)聯(lián)分析及BP神經(jīng)網(wǎng)絡(luò)方法在用電量預(yù)測(cè)上精度較高，計(jì)算方便，可為電力部門(mén)提供參考。

Abstract： With the rapid development of power grids， the sample data of the current annual electricity consumption forecast has a certain difference in the trend of power load under the new normal state. The article uses the method of gray correlation analysis and BP neural network to predict the annual electricity consumption in Hubei Province. According to the data of annual electricity consumption and its 10 impact factors in Hubei Province from 1997 to 2016， the data was processed by grey correlation analysis method， and three influencing factors with large correlation degree were selected as input parameters of BP neural network， the BP neural network electricity consumption prediction model was established and finally the electricity consumption in Hubei Province in the next few years was predicted. The prediction results show that the gray correlation analysis and BP neural network method have higher accuracy in power consumption prediction and are convenient to calculate， and it can provide reference for the power sector.

關(guān)鍵詞：灰色關(guān)聯(lián)分析;BP神經(jīng)網(wǎng)絡(luò);影響因子;用電量預(yù)測(cè)

Key words： grey relational analysis;BP neural network;impact factor;electricity consumption forecast

中圖分類(lèi)號(hào)：TM715? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2018）35-0030-04

0? 引言

電力發(fā)展是衡量國(guó)家經(jīng)濟(jì)水平的重要因素之一，對(duì)用電量預(yù)測(cè)是城市發(fā)展過(guò)程中一個(gè)急需要解決的問(wèn)題[1]。在電力發(fā)展改革的過(guò)程中，電力市場(chǎng)的開(kāi)拓是一個(gè)重要內(nèi)容，因此對(duì)社會(huì)用電量進(jìn)行全面的、及時(shí)的、準(zhǔn)確的預(yù)測(cè)是十分必要。用電量預(yù)測(cè)是保證電力規(guī)劃實(shí)施運(yùn)行的基礎(chǔ)，只有采用合理有效預(yù)測(cè)模型才能得到精確的結(jié)果，從而保證電力規(guī)劃的經(jīng)濟(jì)性、合理性及適用性[2]。因此，有效的對(duì)湖北省年用電量的預(yù)測(cè)研究分析，將對(duì)我國(guó)在資源稀缺條件下建立節(jié)能社會(huì)、產(chǎn)業(yè)政策與制訂科學(xué)的電力發(fā)展規(guī)劃具有重大意義，同時(shí)也促進(jìn)我國(guó)經(jīng)濟(jì)的可持續(xù)發(fā)展[3]。

關(guān)于用電量的預(yù)測(cè)方法有很多，例如傳統(tǒng)的單耗法、彈性系數(shù)法、趨勢(shì)外推法、主成分回歸分析預(yù)測(cè)法、最小二乘回歸預(yù)測(cè)法、灰色預(yù)測(cè)法、各類(lèi)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法和時(shí)間序列分析預(yù)測(cè)法等[4]。本文采用灰色關(guān)聯(lián)度與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，并利用MATLAB軟件對(duì)湖北省年用電量進(jìn)行預(yù)測(cè)分析研究。

1? 根據(jù)灰色關(guān)聯(lián)度對(duì)用電量影響因素的確定

1.1 影響因素和原始數(shù)據(jù)

影響用電量相關(guān)因素有很多，如人口因素、氣溫變化、政策發(fā)展趨勢(shì)、經(jīng)濟(jì)發(fā)展水平等都會(huì)對(duì)用電量消耗產(chǎn)生影響[5]。這些因素對(duì)用電量的影響有些是確定性的，有些是隨機(jī)性的[6]。此模型在原理上輸入的影響因素越多，預(yù)測(cè)結(jié)果精度就越高。

為了增加用電量分析預(yù)測(cè)的準(zhǔn)確性，本文選取10個(gè)對(duì)用電量影響較為明顯的因素，把地方生產(chǎn)總值、人口、發(fā)電量、全社會(huì)固定資產(chǎn)投資、煤炭消費(fèi)量、居民消費(fèi)水平、第一產(chǎn)業(yè)增加值、第二產(chǎn)業(yè)增加值、第三產(chǎn)業(yè)增加值和城鎮(zhèn)居民消費(fèi)作為湖北省年用電量影響因子，并通過(guò)得到灰色關(guān)聯(lián)度大小判斷其相關(guān)程度。查詢(xún)和收集整理《中國(guó)統(tǒng)計(jì)年鑒》和《湖北省統(tǒng)計(jì)年鑒》得到從1997-2016年10個(gè)影響因素和湖北省年用電量統(tǒng)計(jì)數(shù)據(jù)表1所示。

1.2 用電量關(guān)聯(lián)度分析

利用灰色關(guān)聯(lián)度理論分析用電量的10個(gè)影響因素，得到每個(gè)影響因子與用電量之間的關(guān)聯(lián)度系數(shù)，具體步驟如下[7]：

①確定因素序列和特征序列。本文以湖北省用電量作為特征序列，設(shè)為x0（p），采用n（n=20）個(gè)數(shù)據(jù)：x0（p）={x0（1），x0（2），…，x0（n）};將10個(gè)影響用電量因子作為因素序列，設(shè)為xi（t），其中有m（m=10）個(gè)子序列，每個(gè)子序列對(duì)應(yīng)n個(gè)數(shù)據(jù)：xi（p）={xi（1），xi（2），…，xi（n）}。

②數(shù)據(jù)處理。對(duì)所選取的數(shù)據(jù)進(jìn)行初值化算子計(jì)算。記Xi（p）={xi（1），xi（2），…，xi（n）}為Xi（t）行為序列，初值化L為序列算子，X'i（p）={x'i（1），x'i（2），…，x'i（n）}，則初值化所得到數(shù)據(jù)值為：

利用MATLAB軟件分析計(jì)算得出湖北省年用電量與10個(gè)影響因素的相關(guān)聯(lián)程度如表2所示。從表中所得數(shù)據(jù)：γ01=0.4359，γ02=0.5615，γ03=0.9503，γ04=0.6264，γ05=0.4309，γ06=0.5422，γ07=0.9255，γ08=0.6721，γ09=0.6979，γ010=0.8013。得到灰色關(guān)聯(lián)度比較順序?yàn)椋害?3>γ07>γ010>γ09>γ08>γ04>γ02>γ06>γ01>γ05。根據(jù)灰色關(guān)聯(lián)度排列順序，湖北省發(fā)電量、第一產(chǎn)業(yè)增加量、城鎮(zhèn)居民消費(fèi)這3個(gè)因子與湖北省用電量之間關(guān)聯(lián)度大，將其作為變量輸入到BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中。

2? 用電量BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立

BP神經(jīng)網(wǎng)絡(luò)是一種誤差反向傳播的多層向前網(wǎng)絡(luò)算法，其主要思想是：對(duì)于輸入n個(gè)學(xué)習(xí)訓(xùn)練樣本為“r1，r2，…，rn”，與其相對(duì)應(yīng)的輸出m個(gè)樣本為“p1，p2，…，pm”。用網(wǎng)絡(luò)的實(shí)際輸出（t1，t2，…，tm）與目標(biāo)矢量（q1，q2，…，qm）之間的誤差來(lái)調(diào)整其權(quán)值，使tl（l=1，2，…，m）與期望的ql盡可能地趨近，使輸出層的誤差平方和達(dá)到最小[9]。BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)包括輸入層、隱含層和輸出層。

BP網(wǎng)絡(luò)能夠存貯和學(xué)習(xí)輸入-輸出類(lèi)型的非線(xiàn)性映射關(guān)系，無(wú)需事前揭示這種關(guān)系且對(duì)任意非線(xiàn)性函數(shù)的完成趨近。3層BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。

網(wǎng)絡(luò)的輸入形式設(shè)為r=（r1，r2，…，rn）T，隱含層有k個(gè)神經(jīng)元，輸出模式為y=（y1，y2，…，yk）T，輸出層有m個(gè)神經(jīng)元，輸出模式為t=（t1，t2，…，tm）T，目標(biāo)輸出形式為q=（q1，q2，…，qm）T，輸出層的傳波函數(shù)記為g，從隱含層至輸出層的傳波函數(shù)為f?？傻茫?/p>

具體步驟如圖2所示。

3? 預(yù)測(cè)結(jié)果分析

選取湖北省1997-2016年發(fā)電量、第一產(chǎn)業(yè)增加量、城鎮(zhèn)居民消費(fèi)作為原始數(shù)據(jù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)湖北省用電量進(jìn)行預(yù)測(cè)。

利用MATLAB軟件測(cè)試模型的準(zhǔn)確性，選擇訓(xùn)練樣本以外的5組數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)分析，得到的實(shí)際值與預(yù)測(cè)值對(duì)比情況如表3所示。由表3可以看出，2014年相對(duì)誤差最小為0.65%，2015年相對(duì)誤差最大為2.18%，2012-2016年平均相對(duì)誤差為1.62%，且每年的相對(duì)誤差都在5%合理范圍內(nèi)，此模型滿(mǎn)足要求。湖北省年用電量實(shí)際值與預(yù)測(cè)值對(duì)照?qǐng)D如圖3所示。湖北省未來(lái)幾年用電量預(yù)測(cè)圖如圖4所示。由此可得，此BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型精度符合要求，具有較高精度和實(shí)用性，能夠應(yīng)用于電力規(guī)劃中。

4? 結(jié)論

本文研究分析了湖北省年用電量的預(yù)測(cè)方法和影響指標(biāo)，主要結(jié)論如下：

①影響湖北省用電量的因素較多，且其之間具有復(fù)雜的非線(xiàn)性關(guān)系，難以用一個(gè)準(zhǔn)確的數(shù)學(xué)模型來(lái)表示，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)具有很好的非線(xiàn)性映射、自調(diào)整以及自學(xué)習(xí)等特性，能夠較好地處理類(lèi)似非線(xiàn)性關(guān)系的問(wèn)題。

②選取了10個(gè)與湖北省年用電量有關(guān)的影響因素，并用灰色關(guān)聯(lián)分析法研究了湖北省年用電量與10個(gè)影響因素關(guān)聯(lián)程度，利用MATLAB軟件計(jì)算，選取出了3個(gè)與湖北年用電量相關(guān)性較高的影響因子，得出此方法具有較高的精度，能夠應(yīng)用于實(shí)際。

③利用灰色關(guān)聯(lián)度分析得到的結(jié)果作為輸入變量，建立了BP神經(jīng)網(wǎng)絡(luò)湖北省年用電量預(yù)測(cè)模型。經(jīng)驗(yàn)算該模型具有較小的相對(duì)誤差和平均相對(duì)誤差為1.62%，滿(mǎn)足預(yù)測(cè)誤差要求，證明了BP模型的有效性，能夠很好為電力規(guī)劃提供參考。

參考文獻(xiàn)：

[1]田星，余蕾，董曉晶，等.經(jīng)濟(jì)新常態(tài)下寧夏電力需求分析與展望[J].中國(guó)電力，2017，50（12）：27-32.

[2]李小雪.新泰地區(qū)電力負(fù)荷預(yù)測(cè)分析及電網(wǎng)規(guī)劃研究[D].山東大學(xué)，2017.

[3]牛東曉，曹樹(shù)華，盧建昌，等.電力負(fù)荷預(yù)測(cè)技術(shù)及其應(yīng)用[M].2版.北京：中國(guó)電力出版社，2009.

[4]王雁凌，吳夢(mèng)凱.經(jīng)濟(jì)新常態(tài)下基于偏最小二乘回歸的中長(zhǎng)期負(fù)荷預(yù)測(cè)模型[J].電力自動(dòng)化設(shè)備，2018，38（03）：133-139.

[5]徐彬鑫，李祥飛.城市中長(zhǎng)期用電量預(yù)測(cè)方法研究[J].湖南工業(yè)大學(xué)學(xué)報(bào)，2017，31（02）：78-83.

[6]曲薇薇.基于BP人工神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)[D].東北石油大學(xué)，2011.

[7]荊紅莉，周艷萍，蔣曉雁.基于灰色關(guān)聯(lián)分析及BP算法的用電量預(yù)測(cè)[J].國(guó)外電子測(cè)量技術(shù)，2017，36（12）：109-112.

[8]王雁凌，吳夢(mèng)凱，周子青，馬洪宇.基于改進(jìn)灰色關(guān)聯(lián)度的電力負(fù)荷影響因素量化分析模型[J].電網(wǎng)技術(shù)，2017，41（06）：1772-1778.

[9]包子陽(yáng)，余繼周，等.智能優(yōu)化算法及其MATLAB實(shí)例[M].北京：電子工業(yè)出版社，2016：170-173.