基于神經(jīng)網(wǎng)絡(luò)模型對(duì)揚(yáng)州市電力負(fù)荷預(yù)測(cè)研究

陸 煒 胡鈞劍

1.華北電力大學(xué)經(jīng)濟(jì)管理學(xué)院

2.華東交通大學(xué)土木建筑學(xué)院

0 引言

電力發(fā)展水平是一個(gè)國(guó)家發(fā)展水平的重要指標(biāo)之一，電力負(fù)荷預(yù)測(cè)可以有效規(guī)劃電力系統(tǒng)。高效準(zhǔn)確地預(yù)測(cè)電力負(fù)荷，不僅可以保證人民群眾日常生產(chǎn)生活的需要，同時(shí)對(duì)電力行業(yè)自身的健康發(fā)展也有重要的意義[1]。

傳統(tǒng)的電力負(fù)荷預(yù)測(cè)通過(guò)構(gòu)建數(shù)學(xué)模型來(lái)尋求電力負(fù)荷與影響因素之間的關(guān)系，建立一個(gè)直觀的函數(shù)表達(dá)式。由于影響電力負(fù)荷的因素較多，在實(shí)際應(yīng)用中，眾多因素與其自身關(guān)系又較為復(fù)雜，通過(guò)簡(jiǎn)單、基礎(chǔ)的模型構(gòu)建出函數(shù)表達(dá)式幾乎無(wú)法做到。因此處理復(fù)雜信息的獨(dú)特優(yōu)勢(shì)以及擁有將連續(xù)函數(shù)任意逼近的能力對(duì)于處理需要同時(shí)考慮多個(gè)因素融合以及不精確、信息較模糊的問(wèn)題是相當(dāng)適合的，所以利用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)電力負(fù)荷的變化走勢(shì)是合適的。在研究電力負(fù)荷預(yù)測(cè)的過(guò)程中，數(shù)據(jù)變化的趨勢(shì)以及影響數(shù)據(jù)變化的諸多要素是本文關(guān)注的重點(diǎn)，因此對(duì)電力系統(tǒng)進(jìn)行負(fù)荷預(yù)測(cè)采用BP神經(jīng)網(wǎng)絡(luò)模型在理論上是可行的[2]。

1 電力負(fù)荷預(yù)測(cè)種類(lèi)及影響因素

最高負(fù)荷、平均負(fù)荷和最低負(fù)荷為電力負(fù)荷預(yù)測(cè)特征中的三個(gè)指標(biāo)。如果按預(yù)測(cè)周期性來(lái)劃分，一般情況下將電力負(fù)荷預(yù)測(cè)分為短期和中長(zhǎng)期預(yù)測(cè)。中長(zhǎng)期的電力負(fù)荷預(yù)測(cè)一般是為了對(duì)整個(gè)電力系統(tǒng)進(jìn)行長(zhǎng)遠(yuǎn)的發(fā)展規(guī)劃，對(duì)未來(lái)的幾個(gè)月甚至數(shù)年進(jìn)行電力負(fù)荷預(yù)估，通常情況下中長(zhǎng)期的電力負(fù)荷預(yù)測(cè)以年為單位。短期的電力負(fù)荷預(yù)測(cè)是用來(lái)預(yù)測(cè)未來(lái)數(shù)小時(shí)或者未來(lái)一天的負(fù)荷，主要用于協(xié)調(diào)各地區(qū)的負(fù)荷調(diào)配，保障人民群眾的日常生活以及工業(yè)發(fā)展的需要和保障電力成交量的準(zhǔn)確性[3]。

在日常的生產(chǎn)生活中，影響電力負(fù)荷的因素有很多種，大致可以分為內(nèi)在因素以及外在因素。外在因素一般包括地區(qū)的經(jīng)濟(jì)條件、氣候因素以及節(jié)假日等因素；內(nèi)在因素則包括電力負(fù)荷預(yù)測(cè)的數(shù)據(jù)管理、電力企業(yè)內(nèi)部管理等因素。由于這些因素自身所具有的不可控性以及復(fù)雜的非線性問(wèn)題，因此如何解決好這些問(wèn)題成為電力負(fù)荷預(yù)測(cè)的難點(diǎn)所在。鑒于BP神經(jīng)網(wǎng)絡(luò)能夠?qū)Ψ蔷€性復(fù)雜問(wèn)題進(jìn)行有效解決，因此該模型在電力負(fù)荷預(yù)測(cè)中的應(yīng)用較為廣泛。

2 BP神經(jīng)網(wǎng)絡(luò)模型

2.1 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)作為多層前饋神經(jīng)網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)的最主要特征是通過(guò)信號(hào)向前輸送，實(shí)際與預(yù)測(cè)輸出產(chǎn)生的偏差又被傳輸回去[4]。在向前傳遞時(shí)，輸入變量由輸入層經(jīng)過(guò)隱藏層到輸出層進(jìn)行處理。每層中的神經(jīng)元僅僅影響到下面一層神經(jīng)元的活動(dòng)。根據(jù)實(shí)際與預(yù)期的偏差，不斷優(yōu)化調(diào)整網(wǎng)絡(luò)權(quán)重，直到網(wǎng)絡(luò)的最終輸出結(jié)果無(wú)限接近實(shí)際輸出為止[5]。BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D

2.2 BP人工神經(jīng)網(wǎng)絡(luò)模型的基本算法

設(shè)該網(wǎng)絡(luò)共有L+1層，第1層為輸入層，第L+1層為輸出層，為隱含層。第1層的神經(jīng)元個(gè)數(shù)為，訓(xùn)練樣本總個(gè)數(shù)為M，訓(xùn)練樣本號(hào)用 p表示。第1層第 j個(gè)神經(jīng)元的輸出變量用表示，由第1層的第 j個(gè)神經(jīng)元到第l+1層的第Ⅰ個(gè)神經(jīng)元的權(quán)系數(shù)用表示，則各神經(jīng)元的輸入—輸出關(guān)系為:

3 實(shí)驗(yàn)仿真與負(fù)荷預(yù)測(cè)

3.1 電力系統(tǒng)負(fù)荷數(shù)據(jù)

通過(guò)分析得知電力系統(tǒng)用電負(fù)荷的影響因素主要包括第一、二、三產(chǎn)業(yè)用電以及居民日常生活用電。在經(jīng)濟(jì)學(xué)中，通常使用第一、二、三產(chǎn)業(yè)的增加值作為第一、二、三產(chǎn)業(yè)的負(fù)荷指標(biāo)。城市的居民用電負(fù)荷通常用常住人口這一指標(biāo)來(lái)表示。江蘇省揚(yáng)州市歷年社會(huì)經(jīng)濟(jì)指標(biāo)與全社會(huì)用電量的數(shù)據(jù)見(jiàn)表1。

表1 揚(yáng)州市歷年社會(huì)經(jīng)濟(jì)指標(biāo)與全社會(huì)用電量

3.2 預(yù)測(cè)結(jié)果及誤差分析

本文用揚(yáng)州市2005-2017年的數(shù)據(jù)作為歷史樣本進(jìn)行訓(xùn)練，最后用訓(xùn)練好的網(wǎng)絡(luò)對(duì)揚(yáng)州市2018年的負(fù)荷進(jìn)行預(yù)測(cè)，得到結(jié)果見(jiàn)表2，與實(shí)際負(fù)荷值的對(duì)比圖見(jiàn)圖1。

表2 神經(jīng)網(wǎng)絡(luò)負(fù)荷擬合和預(yù)測(cè)結(jié)果

圖1 擬合預(yù)測(cè)結(jié)果與實(shí)際負(fù)荷對(duì)比圖

通過(guò)觀察BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差頻率分布直方圖（如圖2），我們可以清楚地看出相對(duì)誤差主要分布在-0.025到0.02之間，實(shí)驗(yàn)結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測(cè)精度。

圖2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差頻率分布直方圖

4 結(jié)論

本文通過(guò)使用BP神經(jīng)網(wǎng)絡(luò)對(duì)揚(yáng)州市電力負(fù)荷進(jìn)行預(yù)測(cè)，通過(guò)大量實(shí)際仿真計(jì)算驗(yàn)證，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度較高，且需要的數(shù)據(jù)量并不大，預(yù)測(cè)的結(jié)果較為準(zhǔn)確，對(duì)揚(yáng)州市未來(lái)電力系統(tǒng)調(diào)度與規(guī)劃具有一定的意義。