1電力負(fù)荷預(yù)測的作用和現(xiàn)狀

1.1電力負(fù)荷預(yù)測的作用

供電部門最重要的工作之一就是電力負(fù)荷預(yù)測，科學(xué)、準(zhǔn)確的進(jìn)行負(fù)荷預(yù)測，不僅可以保持電網(wǎng)的穩(wěn)定和安全，經(jīng)濟(jì)的安排電網(wǎng)內(nèi)部發(fā)電機(jī)的啟動和停止，降低不需要的旋轉(zhuǎn)備用容量，減少發(fā)電所需的成本，還可以合理的進(jìn)行機(jī)組檢修，保障人們正常生活的運(yùn)行和發(fā)展，提高我國的經(jīng)濟(jì)效益和社會效益。有效的負(fù)荷預(yù)測結(jié)果，對未來發(fā)電機(jī)的組裝有重要的作用，能夠決定組裝發(fā)電機(jī)的容量大小、時(shí)間和地點(diǎn)，能夠保障電網(wǎng)的建設(shè)和發(fā)展。

1.2電力負(fù)荷預(yù)測的現(xiàn)狀

一個(gè)電力企業(yè)的管理能否可以走向現(xiàn)代化，必須要看電力負(fù)荷預(yù)測的工作水平。就目前而言，隨著我國社會經(jīng)濟(jì)的不斷進(jìn)步，電力行業(yè)也得到了空前的發(fā)展，用電管理已經(jīng)開始慢慢走向市場，我們現(xiàn)在最重要的任務(wù)就是解決電力預(yù)測問題。預(yù)測的技術(shù)模型是負(fù)荷預(yù)測的核心，由于科技的不斷發(fā)展，負(fù)荷預(yù)測的理論技術(shù)已經(jīng)比較成熟，有了很大的發(fā)展，隨著理論研究的不斷進(jìn)步和發(fā)展，電力負(fù)荷預(yù)測將會進(jìn)入實(shí)際的運(yùn)用當(dāng)中[2]。

2負(fù)荷預(yù)測的基本步驟

2.1明確負(fù)荷預(yù)測的目的，制定相應(yīng)的計(jì)劃

負(fù)荷預(yù)測首先要做的第一步就是明確負(fù)荷預(yù)測的目的，然后制定相關(guān)計(jì)劃。在進(jìn)行負(fù)荷預(yù)測計(jì)劃的過程中，我們必須要考慮一下影響因素：歷史資料的數(shù)量、來源和收集辦法、預(yù)測的辦法。預(yù)測所需的時(shí)間等。對于所需歷史資料的數(shù)量有很多種說法，一些人認(rèn)為外推預(yù)測的時(shí)期數(shù)不能超過歷史資料的時(shí)期數(shù)。如果把歷史資料的時(shí)期數(shù)設(shè)為d，外推預(yù)測的時(shí)期數(shù)設(shè)為h，就會出現(xiàn)下列不等式d≥h[3]。但是，我們在實(shí)際運(yùn)用的過程中，必須要依照實(shí)際的情況進(jìn)行分析，根據(jù)每個(gè)地區(qū)不同的數(shù)據(jù)進(jìn)行具體的分析。

2.2資料的調(diào)查和選擇

在明確了負(fù)荷預(yù)測的目的，制定了相應(yīng)的計(jì)劃書之后，我們就需要對所需各類質(zhì)量進(jìn)行調(diào)查和選擇。在電力系統(tǒng)短期負(fù)荷預(yù)測所需要的資料有很多種，主要有歷史負(fù)荷數(shù)據(jù)、歷史天氣數(shù)據(jù)、歷史溫度數(shù)據(jù)等。隨著計(jì)算機(jī)的應(yīng)用越來越廣泛，就目前來看，調(diào)查和選擇質(zhì)量的任務(wù)主要是轉(zhuǎn)換各類數(shù)據(jù)的格式，一般情況下，就是將以前的EXCEL表格轉(zhuǎn)換成文本文件。

2.3建立負(fù)荷預(yù)測的模型所謂負(fù)荷預(yù)測模型，其實(shí)就是概括統(tǒng)計(jì)資料的軌跡。能夠?qū)⒔?jīng)驗(yàn)資料的內(nèi)部結(jié)構(gòu)特征反映出來。負(fù)荷預(yù)測的公式就是模型的具體化。對于ANN預(yù)測方案來說，建立負(fù)荷預(yù)測模型一般情況下分為兩個(gè)步驟：

①步驟就是明確ANN的內(nèi)部結(jié)構(gòu)和ANN的計(jì)算方法；

②步驟就是訓(xùn)練選擇的歷史數(shù)據(jù)。一般來說，ANN都會采取局部可變步長的計(jì)算方法，過濾歷史數(shù)據(jù)一般會使用相關(guān)因素進(jìn)行映射。

3ANN算法用于短期負(fù)荷預(yù)測

3.1ANN算法和負(fù)荷預(yù)測

ANN相比于中長期預(yù)測來說，更適合短期負(fù)荷預(yù)測。這是因?yàn)槎唐谪?fù)荷的變化是一個(gè)隨機(jī)的過程，所涉及到的影響因素相對較少，而中長期負(fù)荷的變化不平穩(wěn)，涉及到的影響因素比較多，而且與國家的政策、經(jīng)濟(jì)都會有密切的聯(lián)系。

ANN首次被應(yīng)用于電力系統(tǒng)負(fù)荷預(yù)測是在1991年，所使用的模型是BT模型。后來也不斷有學(xué)者對ANN進(jìn)行研究，但是到目前為止，在電力系統(tǒng)短期負(fù)荷預(yù)測方面還沒有一個(gè)公認(rèn)的、有效的的ANN辦法[4]。雖然如此，但是ANN相比于傳統(tǒng)方式，有很多的優(yōu)點(diǎn)，例如：精準(zhǔn)度比較高、比較容易建立模型、在組織數(shù)據(jù)方面相對比較簡單、速度快等，能夠滿足不同預(yù)測系統(tǒng)的要求。已經(jīng)進(jìn)入實(shí)用階段的神經(jīng)網(wǎng)絡(luò)算法就是BP法，一般使用的方法都是傳統(tǒng)的過程編法。相比于其他的方法，ANN在短期負(fù)荷預(yù)測中的有三大優(yōu)勢：

①優(yōu)勢就是對影響因素的收集比較全面，包括未來因素都能夠方便的進(jìn)行考慮，可以將所有的因素都納入到預(yù)測計(jì)算中，其計(jì)算的結(jié)果精準(zhǔn)度較高，實(shí)用性和可靠性較強(qiáng)。

②優(yōu)勢就是使用的方式比較多，相對更加靈活、方便，適應(yīng)性強(qiáng)，可以滿足不同需求的預(yù)測系統(tǒng)。

③優(yōu)勢就是歷史數(shù)據(jù)的組織能力較強(qiáng)，可以按照不同的要求進(jìn)行操作，能夠適應(yīng)當(dāng)代社會的發(fā)展和需求。

3.2ANN算法的選擇

在進(jìn)行負(fù)荷預(yù)測的過程中可以選擇算法，具體的算法有：BP法；帶動量項(xiàng)的BT法；可變步長法；BFGS法等。這些算法中都包括兩個(gè)版本，就是：全局步長和局部步長。最開始捆綁的是局部可變步長法。這些算法的捆綁方式是屬于動態(tài)鏈接的，給未來的新算法打好了堅(jiān)實(shí)的基礎(chǔ)。

3.3ANN的網(wǎng)絡(luò)結(jié)構(gòu)

3.3.1輸入和輸出的節(jié)點(diǎn)

輸入和輸出的節(jié)點(diǎn)和樣本沒有直接的聯(lián)系，BP網(wǎng)絡(luò)在各個(gè)領(lǐng)域中都被廣泛的運(yùn)用，不管各個(gè)領(lǐng)域中有什么樣的要求，就會將實(shí)際的問題轉(zhuǎn)化成數(shù)據(jù)樣本，這樣網(wǎng)絡(luò)才能夠接受。如果樣本格式是固定的，樣本就會固定網(wǎng)絡(luò)輸入和輸出的節(jié)點(diǎn)。

3.3.2層數(shù)

BT網(wǎng)絡(luò)有一個(gè)很重要的定理，就是：單隱層的BP網(wǎng)絡(luò)可以逼近任何閉區(qū)間的一個(gè)連續(xù)函數(shù)，一個(gè)三層的BP網(wǎng)絡(luò)可以映射出人意的n維到m維。根據(jù)資料，我們得出一個(gè)理論，那就是一個(gè)以上的S型隱層加上一個(gè)線性輸入層的神經(jīng)網(wǎng)絡(luò)，可以逼近任何有理函數(shù)。

3.3.3每層激活函數(shù)

一般情況下，S型的激活函數(shù)會將BP網(wǎng)絡(luò)的非線性逼近能力反映出來，所以，S型激活函數(shù)一般被應(yīng)用于隱含層和輸出層的激活函數(shù)。如果網(wǎng)絡(luò)要求的輸出范圍是[-1，1]時(shí)，我們可以使用線性激活函數(shù)。如果輸出層的激活函數(shù)使用的是S型激活函數(shù)，線性激活函數(shù)就會比非線性激活函數(shù)慢，而且網(wǎng)絡(luò)的輸出也會被限制在（0，1）或者是（-1，1）之間[5]。3.3.4確定隱含層節(jié)點(diǎn)數(shù)S1對于隱含層節(jié)點(diǎn)數(shù)的確定，我們必須要根據(jù)實(shí)際情況和問題，利用實(shí)驗(yàn)進(jìn)行證明。隱含層節(jié)點(diǎn)的多少一般是由：訓(xùn)練樣本數(shù)目、樣本噪聲大小和樣本中包含的規(guī)律來決定的。根據(jù)實(shí)際經(jīng)驗(yàn)和歷史資料，我們得到了一個(gè)確定節(jié)點(diǎn)數(shù)的方法-試湊法。公式如下：m=n+1+a；m=log2n；m=nl（m是隱層節(jié)點(diǎn)數(shù)，n是輸入層節(jié)點(diǎn)數(shù)，a是1~10之間的常數(shù)）。

3.3.5初始權(quán)值的選擇

初始權(quán)值對局部最小的數(shù)值和是否收斂有重要作用，為了保證初始權(quán)值不落入平坦區(qū)，我們必須讓初始權(quán)值在輸入的時(shí)候每個(gè)神經(jīng)元的狀態(tài)都接近0，初始權(quán)值的區(qū)間一般在（-1，+1）之間，而且是隨機(jī)進(jìn)行取值。

3.3.6選取期望誤差

在訓(xùn)練設(shè)計(jì)網(wǎng)絡(luò)的過程中，期望誤差值的選擇是是非重要的，必須要選擇一個(gè)科學(xué)、合理的合適值。這個(gè)合適值的確定，一般是由隱含層的節(jié)點(diǎn)數(shù)來決定的。如果想要比較小的期望誤差值，就必須要增加隱含層的節(jié)點(diǎn)數(shù)和訓(xùn)練的時(shí)間。我們可以同時(shí)對兩個(gè)不同的期望誤差值進(jìn)行訓(xùn)練，這樣就可以作為對比，然后綜合進(jìn)行研究和考慮之后，決定最終采用的網(wǎng)絡(luò)。

4結(jié)語

ANN在面向現(xiàn)象、模塊化編程、通用化的設(shè)計(jì)思想上有一定的研究和促進(jìn)作用，給進(jìn)一步的研究打下了堅(jiān)實(shí)的基礎(chǔ)。在算法上，有自己獨(dú)立的特點(diǎn)，是一個(gè)獨(dú)立的部分，與預(yù)測系統(tǒng)分離開來，使用的范圍更加的廣泛，用途方法也更多。在組網(wǎng)的時(shí)候非常方便，速度較快，精準(zhǔn)度較高，其中的局部步長法在預(yù)測支持上的使用更加方便靈活、效率更高、穩(wěn)定性更強(qiáng)。ANN的相關(guān)因素法還可以對歷史數(shù)據(jù)有效的進(jìn)行過濾，這樣就可以提高訓(xùn)練的效果，最終達(dá)到提高精準(zhǔn)度的目的。

作者：溫永軻 李福志 董捷     單位：國網(wǎng)四川省電力公司檢修公司