基于多種神經(jīng)網(wǎng)絡(luò)模型對電力系統(tǒng)中期負荷預(yù)測對比分析
湛江市技師學院 李太勝 2013/8/23 21:29:41
摘 要:針對電力系統(tǒng)中期負荷預(yù)測的問題,神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中期負荷預(yù)測中的廣泛應(yīng)用,其中分別有BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)和Elman網(wǎng)絡(luò),也研究各種預(yù)測方法的局限性與適用范圍,并對各方法進行小結(jié),就這三種常用的預(yù)測方法的預(yù)測誤差和網(wǎng)絡(luò)訓練速度作一個比較,選出最優(yōu)算法,從而更好的提高電力系統(tǒng)的預(yù)測速度和精度。
關(guān)鍵詞:電力系統(tǒng);負荷預(yù)測;神經(jīng)網(wǎng)絡(luò);最優(yōu)算法
Various neural network models based on medium-term load forecasting in power system analysis
CHEN MOUMOU
(guangdong ocean university, zhanjiang, guangdong province, 524000)
ABSTRACT: For the medium-term load forecasting of power system, neural network widely used in the power system in the medium-term load forecasting, which were BP network, RBF network and Elman network, and also studied the limitations of the scope of the various forecasting methods, and carried on the summary of each method, to make a comparison, the prediction error of three commonly used predictive methods and network training speed select the optimal algorithm to improve the speed and accuracy of the forecast of the power system.
KEYWORDS : The power system;Load Forecasting; Neural Network; The Optimal Algorithm
1引言
隨著國民經(jīng)濟的發(fā)展和人民生活水平的提高,電力作為一種非常重要的能源,已經(jīng)深入到社會的各個角落,人們對電能質(zhì)量的要求也越來越高,電力負荷預(yù)測作為保證電能質(zhì)量的一個基本工具,得到了越來越多的關(guān)注,而負荷預(yù)測是能量能力管理系統(tǒng)的一個重要模塊。
在實際問題的研究中,考慮到以某一個地區(qū)每個月的總用電量、國內(nèi)生產(chǎn)總值、人口增長、居民用電量等因素進行考慮,就當今廣泛應(yīng)用的人工神經(jīng)網(wǎng)絡(luò)對電網(wǎng)負荷作中期預(yù)測,其中分別有BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)和Elman網(wǎng)絡(luò)[1],研究了各種預(yù)測方法的局限性與適用范圍,并對各方法進行小結(jié),就這三種常用的預(yù)測方法的預(yù)測誤差和網(wǎng)絡(luò)訓練速度作一個比較,選出最優(yōu)算法。將以上三種算法代入到實際預(yù)測中,以現(xiàn)有數(shù)據(jù)對網(wǎng)絡(luò)進行訓練,最后對未來一年12個月的負荷進行仿真預(yù)測,從而更好的提高電力系統(tǒng)的預(yù)測速度和精度,達到符合經(jīng)濟效益較高的效果[2]。
2多種神經(jīng)網(wǎng)絡(luò)模型對負荷預(yù)測中的分析
2.1 BP神經(jīng)網(wǎng)絡(luò)負荷預(yù)測分析
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進行負荷預(yù)測[3],也就是要依靠負荷的歷史記錄,來對未來的負荷做出預(yù)報。建立負荷預(yù)測的人工神經(jīng)網(wǎng)絡(luò)數(shù)學模型[4],首先必須確定影響負荷的變化因素,也就是要確定人工神經(jīng)網(wǎng)絡(luò)的輸入量。下面以某省電網(wǎng)2001~2006年的歷史負荷數(shù)據(jù)為例,負荷曲線如圖2-1所示。以2001~2004三年的數(shù)據(jù)作為輸入樣本,以2002~2005三年的數(shù)據(jù)作為訓練樣本,最后以2006年的實際數(shù)值與預(yù)測結(jié)果作對照,并得出誤差[5]。
圖 2-1 負荷曲線
在網(wǎng)絡(luò)隱含層節(jié)點數(shù)的選擇上,經(jīng)過反復(fù)嘗試各種方案,比較后選出3種比較理想的節(jié)點數(shù),在經(jīng)驗公式的定位下,結(jié)合試湊法確立節(jié)點數(shù)分別為:31、34、37三種。通過MATLAB調(diào)用網(wǎng)絡(luò)函數(shù)仿真模擬[6],發(fā)現(xiàn)三種情況下網(wǎng)絡(luò)都能很好的收斂,收斂曲線并沒有太明顯差別,訓練次數(shù)分別為:6,2,4次。下面就要看預(yù)測值與實際值的誤差曲線。如圖2-2。
圖2-2 預(yù)測誤差
為了進一步比較各種情況優(yōu)劣,接下來要將預(yù)測數(shù)據(jù)反歸一化(這里最大值取41,最小值取32),再算出三種情況的相對誤差及其平均值,得表2-1,最后做一個橫向的比較[6]。
表 2-(未完,下一頁)
|