基于bp神经网络的电力短期日负荷预测.pdfVIP

皇塑鱼型堡琵圈 基于BP神经网络的电力短期日负荷预测 刘 莉1，彭长均1，罗 洋2 (1．重庆电力公司江北供电局，重庆400039；2．重庆大学电气工程学院。重庆400044) [摘要] 在分析了温度、降雨量、时间等因素对负荷的影响的基础上。应用BP神经网络建立负荷预测模型，对输入 度和预测精度。通过实例验证该方法可行。 关键词 短期负荷预测BP神经网络(BP-ANN)天气 0引言 以使网络实现给定的输入输出映射关系。 BP网络的训练过程由正向和反向传播组成，正向传 短期负荷预测对电力系统的运行、控制和计划都有着 播输入样本的输入信息，反向传播传递误差的调整信息。 非常莺要的影响uJ。负荷预测的误差将导致运行和生产的 在订三向传播时，输入信息在神经元中均由S型激励函数激 费用剧增，因此，提高短期负荷预测的精度已成r当务之 活后输出，S型激励函数为： 急。电力负荷变化受到负荷构成、时间、天气和人们社会 活动等因素的影响。存在大量的非线性关系，其发展规律 妒(u净再面而1 口o (1) 很难用一个显式的数学公式来表示。 它的输出范围为o～1。随输入单凋递增。该函数的一 人工神经网络(ANN)具有大规模分布并行处理非线性个显著特点是把非常大的值映射到一个小范围内。 自组织、自学习、联想记忆等优良特性，因此它为解决电 1．2BP算法的主要步骤 力系统负荷预测中大量的非线性问题提供了先进手段。在 BP算法的主要步骤如下。 神经网络模型中，BP(BackPropagation)算法是为解决多 (1)选定结构合理的网络。通常负荷预测应用的是三层网 层前向神经网络的权值优化而提出来的，有很好的函数逼 络：输入层、隐层、输出层。初始化隐层、输出层神经元的 近能力，不必预先知道输入变量和预测值之间的数学模 连接权值和阈值，确定网络的实际输出与期颦输出之间允许 型。可方便地计入对电力负荷有重要影响的温度、天气等 的误差，置所有可调参数为均匀分布的较小数值。 的作用，因而BP神经网络广泛应用于电力系统负荷预 测。 步～第(5)步的迭代。 1 BP神经网络简介 (3)计算BP网络中隐层神经元和输出层神经元的输出 1．1BP神经网络学习原理 值。其计算式为： 多层BP神经网络结构如图1所示。BP神经网络基于 以．，一厂(Net¨) (2) 误差反向传播算法，由输入层、输出层和一个或若干个隐 式中，Q．，为第是层神经元“，的输出值；，(z)为其活动函 数；Net¨为其输入值的加权和。 含层构成，每一层包含若干神经元，层与层间神经元通过 连接权重及阀值互连，同层的神经元之间没有关系。在确 Netk．，一∑Wj．p卜1．1+易 (3) 定了BP网络的结构后，要用网络的输入和输出样本集对 (4)计算输出层神经元和隐层神经元的误差。 网络进行训练，即对网络的阈值和权值进行学习和修正， 当“，为输出层神经元时，误差为：