基于神经网络与混沌理论的电力系统短期负荷预测.docVIP

基于神经网络与混沌理论的电力系统短期负荷预测 特 稿 专 遂 基于神网络鸟混沌理论的电力系统矩鲷负荷预测 杨韬,刘崇新,许,李鹏,张作鹏 (1.西安交通大学电气工程学院,陕西西安710049;2.陕西省电力公司,陕西西安710048: 3.成阳市供电局.陕西成阳712000) 摘要:短期负荷预测是电力调度部门的重要工作之一,负荷预测的精度直接影响到电网的安全,经济和稳定运 行.本文针对目前负荷预测中单一预测理论精度较低的问题提出采用BP神经网络与混沌理论相结合的算法,以 变步长和附加动量法进行改进,同时以混沌时间序列来确定网络结构,从而克服了算法对大量训练样本的依赖, 提高预测精度和速度.对成阳区域电网负荷的实际预测结果表明了该方法的有效性 关键词:混沌;负荷预测;BP算法;最大Lyapunov指数 中图分类号:T文献标志码:A文章编号:1673—7598(2008)06-0006—04 0引言 短期电力负荷预测最主要的应用是为发电计划 提供数据,用来确定最经济且能满足安全要求,运行 约束,以及自然的,环境的和设备限制的运行方案. 它是电网经济运行和安全控制中必不可少的基础. 对电网运行的安全性,可靠性和经济性起着重要作 用.而其预测精度直接影响电力系统的经济效益. 近年来,预测理论得到了迅速的发展.虽然有 大量的预测方法,但是因为电力负荷受太多偶然因 素的影响,再加上算法自身存在一些缺点,所以目前 仍不能找到一种尽善尽美的预测方法 人工神经网络(ArtificialNeuralNetw0rk.ANN1 BP算法凭借其突出的优点成为目前常用的预测算 法之一.然而该算法自身某些缺点以及神经网络结 构的不易确定性影响了预测精度.针对这些不足. 本文对传统BP算法进行改进,特别是当负荷数据为 混沌时问序列时,提出将混沌理论与BP算法结合起 来.通过陕西咸阳电力负荷数据的实例验证,将两 者方法相结合的预测效果要优于单一方法预测 1神经网络BP算法与改进 1.1神经网络BP算法 BP神经网络如图1所示,对于隐含层或输出层 的每个神经元,神经元输人及输出分别为: ,一 = 22O,o,=l/Il+exp(一)] 其中是的输入信号阈值,为前一层神经元的 输出,为的连接权值. 输出层 隐含层 输入层 圈1BP神经I网络结构 任意给定一组输入与输出样本,采用s型传递函 数,如)=对该网络进行训练,输入与输出
_ 的映射关系便可储存在连接权及阈值上.训练后的 网络,对于任意已知样本的输入信号,对应地产生一 个接近于实际输出值的输出信号.输入一个新的输 入信号,便可产生一个新的输出信号,所以该网络可 用于预测.连接权值和阈值可由BP神经网络的学 习训练过程得到. 1-2算法的改进 传统的BP神经网络训练算法速度很慢,由于学 习步长是不变的,当训练进As型函数的平坦区域 时,步长如果太小会使迭代次数增加;而当训练进人 收稿日期:2008—05—25 作者简介:杨韬(I983一j,男,四川雅安人,硕士研究生,研究方向为混沌理论在电力系统短期负荷预测中的应用. ∞0～潞一00舞～{l舞 s型函数的陡变区时步长如果太大又会使误差增加, 反而使迭代次数加大而影响了收敛的速度.为了克 服BP算法收敛速度慢和局部极小点的问题,一般要 同时从以下两个方面来对BP算法进行修正. (1)变步长算法ll_ BP算法是在梯度法的基础上推算出来的,在一 般最优梯度法中,步长?7是由一维搜索法求得的,但 是在BP算法中误差函数是一个十分复杂的非线性 函数,很难通过最优求极小的方法来求得最优步长. 可以采用这样一种方法:先设一个初始步长,若一次 迭代后误差函数变大,则将步长乘以一个小于1的常 数,后沿原方向重新计算下一个迭代点,反之乘以一 个大于1的常数,这样不需要太多的计算步长就能通 过合理的调整. r?7()=?7(),gt;1,当AElt;O 【叼()=叼(,gt;1,当AEgt;O 这样修正公式可以改写为: w(n+1)=()+?7()d() 式中:d()表示负梯度. (2)附加动量法l】l 为了防止振荡,考虑了上一次的修正值,把它乘 上一个动量因子a(0lt;alt;1),即(+1)()△(). 这样综合考虑这两种方法,可以得到修正公式: w(n+1):()十77()d()+△() 根据上述推导,改进后BP神经网络的具体算法 如下: (1)对所有的样本值,教师值和输出值用统一 的方法进行归一化,将负荷值换算到[0,1]区间,变 换公式为: !=兰二=兰 HHx—n 式中:Xi为实际负荷值;Xnfin~.一分别表示实际负荷值 中最大值和最小值 (2)权值和阈值初始化,随机地给权值和阈值 赋以初始值,并令迭代次数d=l (3)取一组输入输出样本,依次将其中每一个 样本作