劉齊更

（安徽理工大學(xué) 機(jī)械工程學(xué)院，安徽 淮南 232001）

0 引言

電力的短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)的一項(xiàng)重要工作，是實(shí)現(xiàn)供電可靠、經(jīng)濟(jì)管理的基礎(chǔ)。由于電力負(fù)荷受到很多因素的影響，負(fù)荷預(yù)測(cè)方法發(fā)展至今，雖然已經(jīng)積累了很多經(jīng)驗(yàn)，但是還沒(méi)有一種可靠的模型實(shí)用于不同地區(qū)。本文針對(duì)某市電力負(fù)荷的特點(diǎn)，提出了模擬退火B(yǎng)P神經(jīng)網(wǎng)絡(luò)電力短期負(fù)荷預(yù)測(cè)模型。經(jīng)驗(yàn)證，該模型在實(shí)現(xiàn)負(fù)荷預(yù)測(cè)方面的可行性。

1 BP神網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)理論的研究始于1890年美國(guó)著名心理學(xué)家W.James關(guān)于人腦結(jié)構(gòu)與功能的研究，至今已提出過(guò)許多網(wǎng)絡(luò)模型，其中用于預(yù)測(cè)的網(wǎng)絡(luò)主要是BP神經(jīng)網(wǎng)絡(luò)。這是因?yàn)锽P神經(jīng)網(wǎng)絡(luò)主要有以下特點(diǎn)：（1）較強(qiáng)的非線性映射能力；（2）很好的泛化能力；（3）很強(qiáng)的容錯(cuò)能力和學(xué)習(xí)能力。

D.E.Rumelhart和J.L.Mc Cell and及其研究小組于1986年研究并設(shè)計(jì)出來(lái)BP神經(jīng)網(wǎng)絡(luò)(Back-propagation Neutral Network)是一種基于誤差反向傳播(BP算法)的多層前向神經(jīng)網(wǎng)絡(luò)，采用有導(dǎo)師的訓(xùn)練方式。BP算法的學(xué)習(xí)過(guò)程包括信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過(guò)程。三層BP網(wǎng)絡(luò)是一種應(yīng)用很普遍的神經(jīng)網(wǎng)絡(luò)，它包括輸入層、隱層和輸出層，如圖1所示，輸入層神經(jīng)元的個(gè)數(shù)為輸入信號(hào)的維數(shù)，隱含節(jié)點(diǎn)的個(gè)數(shù)視具體情況而定，輸出層神經(jīng)元的個(gè)數(shù)為輸出信號(hào)的維數(shù)。BP網(wǎng)絡(luò)的工作流程見圖2所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)

誤差的反向傳播是BP網(wǎng)絡(luò)的一大特點(diǎn)，但是，該網(wǎng)絡(luò)也存在以下一些主要缺陷：（1）訓(xùn)練次數(shù)太多，效率較低；（2）易于陷入局部極小而不能實(shí)現(xiàn)全局最優(yōu)。針對(duì)這些缺點(diǎn)，本文利用模擬退火算法對(duì)BP網(wǎng)絡(luò)進(jìn)行改進(jìn)。

2 模擬退火算法

1953年Metropolis等提出的模擬退火算法 (Simulated Annealing，簡(jiǎn)稱SA)能夠近似求解具有NP復(fù)雜性的問(wèn)題，可以避免陷入局部極小的問(wèn)題。模擬退火算法主要包括狀態(tài)產(chǎn)生函數(shù)、狀態(tài)接受函數(shù)、溫度更新函數(shù)、內(nèi)循環(huán)終止準(zhǔn)則和外循環(huán)終止準(zhǔn)則。

其工作過(guò)程如圖3所示。

圖2 BP網(wǎng)絡(luò)的工作過(guò)程

圖3 模擬退火算法的流程圖

3 神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)模型

本文設(shè)計(jì)的預(yù)測(cè)模型中BP神經(jīng)網(wǎng)絡(luò)的輸入層共有8個(gè)輸入端，分別用來(lái)輸入待測(cè)日前四天對(duì)應(yīng)時(shí)刻的負(fù)荷，以及天氣因素中的最低溫度、最高溫度、降雨量和日期類型；因?yàn)楸灸Ｐ偷妮敵鰹閷?duì)應(yīng)時(shí)刻的負(fù)荷，故輸出層只有一個(gè)輸出端；隱含節(jié)點(diǎn)的最佳個(gè)數(shù)現(xiàn)在沒(méi)有一個(gè)具體的方法或者公式來(lái)確定，通過(guò)實(shí)驗(yàn)，本文最終取9個(gè)隱含節(jié)點(diǎn)。該模型工作流程見圖4所示。

4 驗(yàn)證

本文利用該模型及單一的BP神經(jīng)網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)某市的負(fù)荷。由于預(yù)測(cè)過(guò)程中所用的數(shù)據(jù)性質(zhì)不同，大小差別很大，因此在使用之前，需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，對(duì)預(yù)測(cè)結(jié)果需要進(jìn)行還原。本文所用的轉(zhuǎn)移函數(shù)均為單極性Sigmoid函數(shù)。利用歷史數(shù)據(jù)，進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見圖5所示。預(yù)測(cè)誤差分布見圖6所示。

圖4 預(yù)測(cè)模型工作流程

圖5 預(yù)測(cè)結(jié)果

圖6 預(yù)測(cè)誤差

通過(guò)以上預(yù)測(cè)結(jié)果可知，利用該模型在預(yù)測(cè)結(jié)果的準(zhǔn)確性方面，比單一BP神經(jīng)網(wǎng)絡(luò)具有很大的優(yōu)勢(shì),同時(shí)也驗(yàn)證了該模型的可行性。

5 結(jié)論

針對(duì)單一的BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)，本文利用模擬退火算法來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，經(jīng)驗(yàn)證，該方法是可行的。

［1］朱興統(tǒng).基于 SA-LSSVM 的電力短期負(fù)荷預(yù)測(cè)[J].科學(xué)技術(shù)與工程，2012，12（24）：6171-6173.

［2］師彪，李郁俠，于新花，等.基于改進(jìn)粒子群模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J].系統(tǒng)工程理論與實(shí)踐，2010，30（1）：157－166.

［3］李慧，王來(lái)運(yùn).基于混沌蟻群算法的電力短期負(fù)荷預(yù)測(cè)[J].北京信息科技大學(xué)學(xué)報(bào)，2011，26（4）：40-43.

［4］鄭永康，陳維榮，蔣剛，等.基于混沌理論的短期負(fù)荷局域多步預(yù)測(cè)法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2007，19（4）：76－79.

［5］谷子，唐巍.電力短期負(fù)荷時(shí)間序列混沌相空間重構(gòu)參數(shù)優(yōu)選法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2006，26（14）：18－23.