基于曲线方程的模糊神经网络短期负荷预测.pdfVIP

第二十九届中国电网调度运行会收录论文全集 基于曲线方程的模糊神经网络 短期负荷预测 张国江，彭栋 （江苏电力调度通信中心，南京，210024） 摘要：本文突破了一般算法按照采样点逐点预测负荷值的局限，构建曲线方程作 为预测算法的总体框架，采用模糊神经网络对负荷曲线特征量的变化值进行预 测，设计曲线迭代拟合逼近特征量的日负荷曲线绘制方法得到最终的日负荷预测 曲线，节省计算资源，获得了良好的预测效果。 关键词：负荷预测，曲线方程，模糊神经网络，迭代拟合 中图分类号：TM715 文献标识码：A 1 引言 电网日负荷预测的研究已经非常深入，预测方法也非常丰富，但其基本思路一般都是逐 点预测，即对每个时刻的负荷值分别进行预测，然后将各个时刻点连接成整条日负荷曲线。 这种预测思路将日负荷曲线视为一个个离散的点，忽视了日负荷曲线的最重要的整体形状特 征，丢失了众多有价值的信息。 负荷曲线的整体形状特征体现在若干时刻的曲线特征量上，这些特征量可以是负荷值、 曲线斜率、曲率等。由于全社会用电特性的稳定性，不同日负荷曲线的形状是极为相似的， 曲线之间的相对变化实际上是上述若干特征量变化的结果。 本文变逐点预测的思路为整条曲线的预测，首先根据日类型、气象因素等选取参考负荷 曲线，构建负荷曲线方程并求解得到能够描述该曲线的解析表达式；然后从求得的解析表达 式出发，求取该条曲线的若干特征量，构建模糊神经网络，考虑日类型、节假日、气象因素 等，对特征量的变化作出预测；最后设计曲线迭代移动算法，根据参考负荷曲线及特征量的 变化，求得最终的平滑负荷预测曲线。 2 负荷曲线方程及正交化多项式数据拟合 本节研究选用合理适用的曲线拟合算法，得到负荷曲线方程并求解曲线的解析表达式， 将对于曲线的计算转化为对该解析表达式的计算。算法应满足以下基本要求：1、拟合效果 好；2、各部分的拟合方程尽量相同，便于整体移动；3、抗干扰能力强，能够灵活适应负荷 曲线形状变化，避免出现符合方程优化目标但拟合结果不好的情况。目的： 负荷曲线是由一系列离散的点构成的，每个采样点的负荷值可视为该采样点的函数值， 本以多项式基函数构造曲线方程，采用最小二乘拟合及正交化方法对方程求解。 2.1 曲线方程结构及最小二乘拟合 以负荷曲线的采样点数xi 为自变量，各采样点的负荷值 y i 为因变量，选取函数系 - 1 - 第二十九届中国电网调度运行会收录论文全集 Φ span{? (x),? (x),Λ ,? (x)} 构成的函数空间，构建曲线方程： 0 1 n n y ∑u ? (x ) ， i 1,2,Λ , m （1） i j j i j 0 通常m n +1 ，称为超定方程组。 n 令r ∑u ? (x ) ?y ，i 1,2,Λ , m i j j i i j 0 r (r , r ,Λ rm )T 则 1 2 为残向量，用来判断残向量的大小有许多标准，对线性参数拟合， 用最小二乘法在数学上、计算方法上处理起来都比其他拟合标准简单，本文即采用这种方法。 求 u 使 || r ||2 r T r (Au ?y )T (Au ?y ) uT A T Au ?2y T Au +y T y 2 最小，则称 u 为超定方程组（）的最小二乘解。 n 因此，构造出基函数?(x ) ∑u ? (x ) 并求得 u 即得到曲线方程（1）的最小二乘解。