基于BP神经网络的短期负荷预测研究

学 号 1109121100毕 业 论文 课 题 基于 BP 神经网络的短期负荷预测研究 学生姓名 谭献富 院 部 电气工程学院 专业班级 电子信息工程（2）班 指导教师 王银花 二 0 一 五 年 五 月2目 录摘 要 .IAbstract .II第一章 绪论 .21.1 课题研究背景 .21.2 课题研究的现状 .21.3 本课题研究的主要内容 .3第二章 传统短期负荷预测的方法 .52.1 回归分析法 .52.2 指数平滑法 .52.3 专家系统方法 .5第三章 神经网络 .73.1 神经网络简介 .73.2 神经网络模型及其特征 .73.2.1 人工神经元模型 .73.2.2 神经网络的分类 .93.2.3 神经网络的特征及要素 .93.3 神经网络及其结构分析 .93.3.1 BP 神经网络的原理 .93.3.2 BP 神经网络的算法设计 .10第四章 负荷预测的实例分析 .124.1 回归分析法 .124.2 BP 神经网络的软测量模型的建立 .134.3 小结 .19总结 .20致 谢 .22附录：参考程序 .23摘 要随着我国电网和电力系统的发展与进步，短期电力负荷预测是电力系统运行调度和用电服务部门的重要日常工作之一，它直接影响电力系统的安全经济稳定运行和电网科学管理及调度的实现，负荷预测精度的高低对电力系统运行的安全性、稳定性和经济性具有重要意义。由于短期负荷预测在日趋发展的电力市场中起着重要作用，所以需要继续研究，促使短期负荷预测具有更高的精度。由于电力负荷受诸多因素影响，如当前负荷状况、天气状况等，为提高短期电力负荷预测的精度，本文介绍了多种传统方法以及 BP 神经网络法，并分别介绍和总结了传统方法和 BP 神经网络的优缺点。本文采用了回归分析和 BP 神经网络的预测方法，以影响电力负荷的主要因素气象参数，建立了短期负荷预测的模型，并分析了样本数据处理中遇到的几个具体问题。最后，对未来的短期负荷预测技术方面的发展做了一些设想。关键词：电力系统；短期负荷预测；回归分析法；BP 神经网络Research of forecasting Short-term load base on BP neural networkAbstractWith the development and progress of our countrys power grid and power system, The short-term load forecasting (STLF) of electric system is one of the important routines for power dispatch and utility departments. It is a very important aspect of power system to ensure operating safely economically steadily and achieve scientific management in the power system, and accurate load forecasting is helpful to the security and stability of power system as well as saving its generation costs.With the establishment and development of the power market, Due to short-term load forecasting plays an important role in the developing power market, so you need to continue to study, to promote a higher accuracy of short-term load forecasting.Electric power is affected by many factors, such as current load status, weather status, and etc, For improving the accuracy of short-term load forecasting, This paper introduces a variety of traditional method and BP neural network ,This paper adopted the Regression Analysis and BP neural network method, with the main factors influencing the power load of meteorological parameters, short-term load forecasting model is established ,And analyzed samples of several specific problems in the data processing. In the end the paper give some prospects and hypothesis on the Short-Term Load forecasting.Keywords: Electric system , Short-Term Load forecasting , Regression Analysis, BP neural network 0第一章 绪论电力系统的主要任务是给广大人民用户提供高质量的稳定的电能，满足各类负荷的需求。但是，就当下中国的电力系统状况而言，因为系统本身对电能的储存量有限，所有在实际的系统中要求所发电能与负荷的实时变化保持着一定的动态平衡平衡，否则，将会对居民、商业、工等用电的质量和负荷需求以及电力系统的实际运行造成影响。因此，研究出精确度高的负荷预测方法对未来电力事业发展具有非常重要的应用价值。电力系统的负荷预测是受当前负荷状况、节假日、天气状况等因素影响的，所以需要调查研究大量地区的历史数据并对数据进行研究分析，发现并研究负荷与影响其变化的因素之间的内在联系与规律。负荷预测的最终目的是使系统能够更加经济、安全、稳定可靠的运行，通过得到合理的预测来达到提升电力系统的目的，核心是根据历史记录的真实负荷数据以及相对应的各类影响因素，通过建立数学模型来研究和探索两者之间的关系并能够显示负荷与各影响因素之间的发展变化规律。1.1 课题研究背景电力负荷预测的分类有很多种，按预测周期的长度大致上可以分为四种，分别为长期负荷预测（10 年以上）、中期负荷预测（5-6 年）、短期负荷预测（几个月、几周、几天，一天内各小时）和超短期负荷预测（未来 1h、未来 0.5h 甚至未来 l0min）。目前学者们都在研究高精度的短期负荷预测方法，因为其在电网运行中应用的范围最广、意义重大。本文着重研究短期负荷预测，它的意义在于可以使电力系统更加经济、安全和稳定可靠地运行；也可以提高整个国家全方面的用电质量。在电力系统中，负荷对系统运行具有重要意义，同时负荷对电价的敏感性会随着市场的完善而逐渐增强，经济性成为整个电网运行的重要指标，使其对负荷预测的要求更加严格准确，电力市场条件下的短期负荷预测不仅仅是一个技术问题而且还是一个经济性问题，因此短期负荷预测将变为社会重要的研究课题，影响深远。1.2 课题研究的现状短期负荷预测现己经成为 EMS(能量管理系统 Energy Mastering System)不可缺少的一部分以及保证整个国家电网安全经济稳定运行所必需的手段之一，并在EMS 的逐步发展中渐渐发展起来。由于负荷预测在电力系统中重要的应用价值，从二十世纪开始，电力系统研究者对短期负荷预测的系统模型和技术方法展开了大量的研究，提出了不同种类的预测方法并进行实际应用。第一阶段（二十世纪六十年代到八十年代末）是使用比较传统的原始技术对数据处理和预测，传统预测方法大多是基于某些特性参量为固定值的基础上，建立相应的数学模型，它的原理较简单，理论相对成熟，但是它简化或忽略了系统中的一些非线性特征参变量，如天气因素，不能真实反映电力系统的多元非线性特性，采用的主要方法有专家系统法和回归线法；第二阶段（二十世纪九十年代到现在）是采用人工神经1网络技术，人工神经网络主要对非线性问题和不确定性问题进行研究，由于它在预测过程中考虑了天气因素、节假日因素等，在实际的短期负荷预测过程中就提高了预测精度，这就是负荷预测发展的大致的两个阶段。随着中国电力事业的发展和体质改革，居民的用电质量和电力系统经济、安全和稳定的运行越来越重要，所以负荷预测这类课题研究一直比较活跃，并取得了一定成就。为了使我国的负荷发展不断趋于稳定，我国不仅注重对中长期的预测，也很注重短期负荷的预测，但是国外一些先进国家只偏重于中长期的预测。1.3 本课题研究的主要内容本论文主要研究的内容是根据电网历史记录的负荷数据以及影响负荷变化对应的影响因素，分析巢湖地区电力负荷数据的特性，然后据此建立神经网络的数学预测模型，并用一组历史记录负荷和因素数据对 BP 神经网络进行训练，编制出相应的基于 BP 神经网络的短期负荷预测程序。并采传统方法之一的回归分析法，建立模型和对负荷进行预测，比较两种方法的不同，突出 BP 神经网络的优缺点以及需要改进的地方。具体工作有以下几点：（1）了解和学习短期负荷预测的多种传统方法，掌握其中一些方法的特点、优缺点以及适用范围。（2）了解人工神经网络的结构，着重掌握 BP 神经网络的理论知识和算法。（4）根据巢湖地区电网系统中所记录的历史负荷数据和对应的地区天气资料，主要研究温度和风速两个天气因素与负荷之间的变化规律，并采用回归分析法进行预测，做出预测图。（5）重点学习和研究 BP 神经网络的预测方法，采用与回归分析法一样的数据对 BP 神经网络进行训练和预测，做出拟合图和预测图。（6）运用 Matlab 软件，编写运用回归分析法的预测图和运用 BP 神经网络的拟合图和预测图的相应程序。（7）比较两种方法的预测结果并分析原因，解释两者的优缺点，突出 BP 神经的优点。（8）应用巢湖地区电网的负荷数据验证了 BP 神经网络对于短期负荷预测的可行性、正确性以及需要改进的地方。2第二章 传统短期负荷预测的方法2.1 回归分析法回归分析法是一种常用的短期负荷预测方法，根据影响主导变量的辅助变量的多少，回归分析被划分为单元回归分析和多元回归分析。对历史随机性的负荷数据进行拟合，运行相应的程序得到一条曲线，然后获得一个非线性的关系式，即可进行下一步的预测。该方法简单、预测速度快、外推性好，但它对历史数据要求过高，如果在历史数据存在较大误差时，预测效果将不理想；回归分析法不是理想的预测方法，因为温度和湿度不可能恒定，无法与负荷达成简单的线性关系，而回归法只是根据一个线性公式预测出一个平均值，所以对于温度湿度这种非线性关系处理不了，非线性回归的算法运算很复杂，而且只是将非线性关系用一些公式转化为线性关系，因此，此方法并不是很好。2.2 指数平滑法预测方法有很多种，指数平滑法是常用的预测方法之一，在负荷数据列中有一个隐藏着的变化模式，变化模式和随机干扰是实际负荷数据的两个重要组成，实际的负荷数据也可看做由其组成。它的基本思路是建立在加权平均上的，平滑有一个重要功能是用于消除和区别随机干扰，能外推出来没有发生的未来数值。这种方法一般要保存大量的历史数据，如果预测的项目很多，就要保存大量数据，会使预测的过程过于繁琐。2.3 专家系统方法专家系统方法是一种系统，它是以理论知识推理为基础，是人工智能领域发展的重要分支，它通过许多以往累积的预测领域内专家知识并在此基础上进行研究、发现、推理继而得到最终的解答。专家系统有很多部分，主要有五个部分，为知识库、推理机、数据库、解释部分和知识获取部分，其基本组成如图 1-1 所示。3图 1-1 专家系统的基本组成预测人员的判断能力和丰富经验对负荷预测具有重要意义，尤其在特殊的天气、节假日、突发事件、国家重要活动的时候。但是将领域内专家的知识转变为数字规则是一个非常困难的过程，一般情况是在程序预测结果后，对程序进行检验，再做出各种调节并将其修改正确。本文将重点学习和研究 BP 神经网络，将其运用到短期负荷预测中，将主要考虑温度和风速这两个天气因素对短期预测的影响，用一组实际的历史数据对 BP 网络进行训练，然后对某一天 24 小时的负荷情况使用 BP 网络进行预测。它具有非线性映射能力、自学习和自适应能力等特点，比一般传统的预测方法更加准确。将与传统预测法回归分析法比较出 BP 网络预测的优点，以及总结 BP 神经网络预测短期负荷的不足之处与未来期望。基于 BP 神经网络的短期负荷预测研究4第三章 神经网络3.1 神经网络简介人工神经网络（ANN,Artificial Neural Networks）简称神经网络，是一种模型，从微观的结构和功能上对人类脑神经系统建立起来的并且能够对人类的一些比较形象的思维能力进行模拟。人工神经网络的构造理念是由生物神经网络功能的启发所产生的，是对自然界中生物体神经系统进行抽象和改造，并且模拟生物