電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法比較

摘?要：對(duì)于電力系統(tǒng)來講，預(yù)測(cè)系統(tǒng)負(fù)荷的措施有助于維持電力系統(tǒng)的正常運(yùn)行，避免頻繁出現(xiàn)偏低或者偏高的電力系統(tǒng)負(fù)荷。在目前的現(xiàn)狀下，技術(shù)人員已經(jīng)能夠借助于神經(jīng)網(wǎng)絡(luò)算法用于完成全方位的系統(tǒng)負(fù)荷預(yù)測(cè)，從而保證了整個(gè)電力系統(tǒng)能夠處于有效的負(fù)荷控制下。因此針對(duì)短期的電力系統(tǒng)負(fù)荷預(yù)測(cè)而言，應(yīng)當(dāng)嘗試引進(jìn)BP的神經(jīng)網(wǎng)絡(luò)算法作為支撐，確保得出精確的負(fù)荷預(yù)測(cè)結(jié)論。

關(guān)鍵詞：電力系統(tǒng);短期負(fù)荷預(yù)測(cè);BP神經(jīng)網(wǎng)絡(luò)算法

預(yù)測(cè)電力系統(tǒng)的短期負(fù)荷重點(diǎn)針對(duì)于目前現(xiàn)存的負(fù)荷波動(dòng)規(guī)律，通過運(yùn)用科學(xué)預(yù)測(cè)的方式來推測(cè)每周以及每日的系統(tǒng)負(fù)荷需求。電力系統(tǒng)由于受到人為因素、當(dāng)?shù)貧夂蛞蛩丶捌渌蛩匾l(fā)的影響，那么將會(huì)呈現(xiàn)頻繁的負(fù)荷波動(dòng)狀態(tài)。在此前提下，針對(duì)電力系統(tǒng)有必要運(yùn)用神經(jīng)網(wǎng)絡(luò)算法來預(yù)測(cè)精確的短期負(fù)荷波動(dòng)趨勢(shì)，遵循負(fù)荷變化規(guī)律來控制電力系統(tǒng)的整體運(yùn)行。

一、改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法的基本內(nèi)容

從基本技術(shù)特征的角度來講，BP神經(jīng)網(wǎng)絡(luò)算法主要依賴于特定的計(jì)算模型，通過構(gòu)建多層前向的神經(jīng)網(wǎng)絡(luò)系統(tǒng)來實(shí)現(xiàn)針對(duì)連接權(quán)值的修正與迭代操作。具體在進(jìn)行模型運(yùn)算時(shí)，該算法著眼于負(fù)梯度方向的判斷，并且遵循期望輸出值以及真實(shí)的神經(jīng)網(wǎng)絡(luò)輸出值差異來進(jìn)行上述的計(jì)算處理[1]。由此可見，上述算法本身應(yīng)當(dāng)屬于全局最優(yōu)解的尋求過程，并且具備非線性函數(shù)的典型特征。然而不應(yīng)當(dāng)忽視，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法無法達(dá)到較快的收斂速度，因此必須予以適當(dāng)?shù)母倪M(jìn)。

對(duì)于BP算法在進(jìn)行優(yōu)化與改進(jìn)的實(shí)踐中，技術(shù)人員重點(diǎn)著眼于優(yōu)化原有的數(shù)值計(jì)算方法，并且修改了負(fù)梯度的計(jì)算思想，在此前提下誕生了具有彈性的全新神經(jīng)網(wǎng)絡(luò)算法，進(jìn)而衍生出附加動(dòng)量的算法以及學(xué)習(xí)率可變的算法。例如，運(yùn)用神經(jīng)網(wǎng)絡(luò)工具箱的方法可以構(gòu)建MATLAB的算法函數(shù)，并且借助共軛梯度的算法來實(shí)現(xiàn)全方位的求解數(shù)值優(yōu)化。

BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過程由正向計(jì)算過程和反向計(jì)算過程組成。在這其中，正向傳播過程指的是輸入模式從輸入層經(jīng)隱單元層逐層處理，并轉(zhuǎn)向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)[2]。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號(hào)沿原來的連接通路返回，通過修改各神經(jīng)元的權(quán)值，使得誤差信號(hào)最小，而反向傳播過程則體現(xiàn)為相反的順序。

二、對(duì)比預(yù)測(cè)電力系統(tǒng)短期負(fù)荷的實(shí)效性

作為現(xiàn)階段的技術(shù)改進(jìn)要點(diǎn)來講，預(yù)測(cè)系統(tǒng)短期負(fù)荷的算法正在不斷得到更新。經(jīng)過全面的技術(shù)改進(jìn)以后，目前已經(jīng)誕生了多種多樣的混合運(yùn)算方法。從本質(zhì)上講，電力系統(tǒng)體現(xiàn)為頻繁的負(fù)荷波動(dòng)特性，因此必須借助科學(xué)手段來完成針對(duì)各時(shí)間段網(wǎng)絡(luò)負(fù)荷的精確預(yù)測(cè)。技術(shù)人員通過整合目前現(xiàn)存的各類典型算法，應(yīng)當(dāng)能夠給出最佳的負(fù)荷預(yù)測(cè)方法[3]。具體在運(yùn)用BP算法的實(shí)踐中，預(yù)測(cè)短期性的系統(tǒng)負(fù)荷狀態(tài)主要體現(xiàn)在如下的技術(shù)要點(diǎn)：

（一）構(gòu)建完整的神經(jīng)網(wǎng)絡(luò)模型

構(gòu)建完整的神經(jīng)網(wǎng)絡(luò)模型，該措施構(gòu)成了預(yù)測(cè)電力系統(tǒng)負(fù)荷的關(guān)鍵前提。具體在選取相應(yīng)的學(xué)習(xí)樣本時(shí)，應(yīng)當(dāng)確保全部的樣本都來源于現(xiàn)有的天氣狀態(tài)以及系統(tǒng)負(fù)荷變化。在每日的時(shí)間段內(nèi)，對(duì)于采樣數(shù)據(jù)需要保證符合特定的數(shù)目，并且限定于半個(gè)小時(shí)的樣本采集間隔。此外在進(jìn)行采樣時(shí)，關(guān)鍵在于結(jié)合當(dāng)?shù)噩F(xiàn)有的節(jié)假日以及當(dāng)日平均氣溫，據(jù)此給出綜合性的推斷結(jié)論。

然而針對(duì)不同種類的采樣數(shù)據(jù)而言，與之有關(guān)的采樣誤差也體現(xiàn)為多樣性。因此在輸入各項(xiàng)的采樣數(shù)據(jù)以前，首先需要運(yùn)用科學(xué)手段來實(shí)現(xiàn)針對(duì)數(shù)據(jù)誤差的有效降低，以便于輸入統(tǒng)一的負(fù)荷采樣信息。通過運(yùn)用歸一化處理的方式，技術(shù)人員針對(duì)不同種類的電網(wǎng)負(fù)荷信息就能實(shí)現(xiàn)統(tǒng)一處理，進(jìn)而給出了精確程度更高的負(fù)荷預(yù)測(cè)結(jié)論。在此過程中，通常需要用到最小與最大的系統(tǒng)負(fù)荷數(shù)值[4]。經(jīng)過全面的歸一處理以后，確保能夠給出完整的負(fù)荷預(yù)測(cè)結(jié)果。

（二）評(píng)價(jià)電網(wǎng)負(fù)荷預(yù)測(cè)的效果

神經(jīng)網(wǎng)絡(luò)模型能否體現(xiàn)最佳的負(fù)荷預(yù)測(cè)效果，其直接決定于評(píng)價(jià)系統(tǒng)負(fù)荷的各項(xiàng)基本操作指標(biāo)。因此在評(píng)價(jià)與判斷預(yù)測(cè)系統(tǒng)負(fù)荷的實(shí)效性時(shí)，前提在于擬定具備可操作性的負(fù)荷測(cè)定指標(biāo)，以便于給出精確的系統(tǒng)負(fù)荷評(píng)價(jià)。在多數(shù)情況下，經(jīng)過每日的負(fù)荷測(cè)定操作后，應(yīng)當(dāng)能夠據(jù)此給出真實(shí)的電網(wǎng)負(fù)荷值、預(yù)測(cè)的電網(wǎng)負(fù)荷值、采樣點(diǎn)的總數(shù)以及其他相關(guān)指標(biāo)。并且，關(guān)于評(píng)價(jià)負(fù)荷預(yù)測(cè)的結(jié)論還會(huì)涉及到最大的絕對(duì)值誤差、相對(duì)誤差、測(cè)定日負(fù)荷的精確率、平均的相對(duì)誤差等。

需要注意的是，在不同的時(shí)間段內(nèi)，同個(gè)區(qū)域的電網(wǎng)負(fù)荷將會(huì)表現(xiàn)為差異性。這是由于，電網(wǎng)負(fù)荷可能會(huì)受到當(dāng)前的用戶用電總量以及其他的人為操作影響。在多數(shù)情況下，惡劣的外界氣候也會(huì)影響整體的電網(wǎng)負(fù)荷波動(dòng)[5]。具體在預(yù)測(cè)與評(píng)價(jià)電網(wǎng)負(fù)荷時(shí)，應(yīng)當(dāng)綜合考慮以上的各項(xiàng)基本要素，進(jìn)而給出精確的負(fù)荷預(yù)測(cè)結(jié)論。

（三）對(duì)比各類算法的預(yù)測(cè)結(jié)論

相比而言，建立在數(shù)值優(yōu)化基礎(chǔ)上的神經(jīng)網(wǎng)絡(luò)算法具有較差的數(shù)值精確率，但是建立在梯度下降算法之上的數(shù)值預(yù)測(cè)結(jié)論可以保證達(dá)到更好的精確程度。并且，收斂速度、負(fù)荷數(shù)據(jù)的計(jì)算操作量以及訓(xùn)練時(shí)間這三項(xiàng)要素之間具有內(nèi)在的關(guān)聯(lián)性。在增多隱含層節(jié)點(diǎn)的狀態(tài)下，訓(xùn)練時(shí)間也會(huì)呈現(xiàn)明顯延長(zhǎng)的趨勢(shì)。因此經(jīng)過綜合性的判斷與對(duì)比后，應(yīng)當(dāng)能夠結(jié)合現(xiàn)有的電網(wǎng)負(fù)荷狀態(tài)來選擇最佳的負(fù)荷預(yù)測(cè)方法。

三、結(jié)語

BP神經(jīng)網(wǎng)絡(luò)算法作為目前關(guān)鍵的負(fù)荷預(yù)測(cè)算法而言，其主要著眼于判斷現(xiàn)有的系統(tǒng)負(fù)荷波動(dòng)，確保給出精確的負(fù)荷波動(dòng)規(guī)律以及系統(tǒng)需求現(xiàn)狀。并且，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法還能用于推測(cè)短期內(nèi)的電力系統(tǒng)負(fù)荷，結(jié)合電力系統(tǒng)目前所處的整體運(yùn)行環(huán)境來維持穩(wěn)定的電力系統(tǒng)運(yùn)行，節(jié)約負(fù)荷預(yù)測(cè)的總成本。

參考文獻(xiàn)：

[1]王蕾.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的中央空調(diào)冷負(fù)荷預(yù)測(cè)研究[J].計(jì)算機(jī)測(cè)量與控制，2014，22（16）：568.

[2]王吉權(quán)，王福林，董志貴，等.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2017，47（9）：276-284.

[3]李志恒，孫冉，張建立，等.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)算法設(shè)計(jì)[J].自動(dòng)化與儀器儀表，2017，13（10）：23-25.

[4]朱海兵，崔玉，熊浩.基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)負(fù)荷預(yù)測(cè)[J].現(xiàn)代電子技術(shù)，2016，39（20）：64-66.

[5]王善磊.基于BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的電力系統(tǒng)負(fù)荷預(yù)測(cè)[J].數(shù)碼世界，2018，25（31）：109.

作者簡(jiǎn)介：程超（1990-），男，安徽懷寧人，在讀研究生，主要從事電力負(fù)荷預(yù)測(cè)方面的研究。