MATLAB神经网络工具箱的电力系统负荷预报.pdfVIP

基于!#$% 神经网络工具箱的 电力系统负荷预报 夏昌浩 向学军 何胜雄 （电气工程系） 摘 要 提出的基于()*+), 神经网络工具箱的短期负荷预报模型，不仅简洁实用，而且涉及了天 气和日期特征量，因而具有较高的预测精度 采用两种学习算法，用实际数据对)-- 进行了训练，通 过比较得出了优化模型 计算实例表明用该方法是可行的、有效的 关键词 神经网络； 短期负荷预报； ； 电力系统； 算法 ()*+), ,. 分类号 *(/%$ *(/’! 长期以来，人们对电力系统短期负荷预报进行了广泛而深入的研究，提出了许多有效的方法，如回 归分析法、指数平滑法、时间序列法、灰色系统方法等 传统的数学模型是用显式的数学表达式加以描 述，这就决定了传统的预测模型的局限性 事实上，负荷变化的自然规律很难用一个显式的数学公式予 以表示 神经网络方法是这一领域内的一个重大突破 该方法视传统显式函数的自变量和因变量为网 络的输入和输出，将传统的函数关系转化为高维的非线性映射，而不是显式的数学表达式 在人工神经 网络的实际应用中， 的人工神经网络模型是采用 网络或它的变化形式，它也是前向网络的 0 12 1 ,. 核心部分，体现了人工神经网络最精华的部分 然而，目前大都采用 语言、 语言等来开发研 3 456*6)- 究负荷预报神经网络模型，网络模型结构复杂，训练时间短则几十分钟，长则数小时 ()*+), 是一种国 际上流行通用的基于789 的强有力的科学计算软件，有相对独立且不断发展的工具箱，为各行各业的科 技及工程人员带来了巨大的便利，正受越来越多人的青睐，但在负荷预报神经网络模型研究方面用来进 行开发研究的却很少见报道 本文力求在()*+), 环境下开发出简便快捷的短期负荷预报模型 ,. 网络结构 图 所示的是具有一个隐含层的神经网络的模型结构图， % 其输入层神经元数为 ，隐含层神经元数为 ，输出层神经元 $ % % 数为 %! 如果不计输入层，可称其为两层神经网络 ,. 网络是一个多层前向神经网络，同层间节点无任何连 接，因此每层节点的输出只影响下一节点的输出 其信息处理 能力来自于对简单的非线性函数的多次复合，如何选择网络的 隐层数及节点数还没有确切的方法和理论 输入节点 ，隐含节点 ，输出节点 ! # ! ，，…，； ，，…， ； ，，…， :