《基于BP神经网络的电力负荷预测分析案例》2600字.docxVIP

基于BP神经网络的电力负荷预测分析案例

目录

TOC\o1-3\h\u16396基于BP神经网络的电力负荷预测分析案例 1

186381.1数据预处理 1

16091.2短期电力系统负荷预测流程 1

160691.3基于神经网络的电力系统负荷预测分析 2

66451.4预测误差分析 5

1.1数据预处理

在电力系统的负荷预测中，经常存在着这些影响因素影响最终电力负荷预测结果精度的情况，比如时间和气候。同时，也存在着一些随机因素带来的影响，比如一些用电设备的故障引起的负荷减小等情况。时间因素主要是指对负荷使用有影响的时间节点，比如节假日或者周末工厂停工，负荷使用较少。气候因素主要是指夏季或者冬季天气极端，使用制冷或者保暖设备较多，会造成用电负荷较大的情况发生等。

因为这些影响因素会对模型的训练产生影响，继而影响预测结果，所以为了减少这种影响，首先应对输入数据进行处理，这种处理常用的就是将输入数据归一化，当模型输出的时候，再对输出结果进行反向的归一化处理，处理的公式如下：

(4-1)

式中：x为归一化之后的数据，xin为没有归一化之前的输入数据，xmin为输入数据中的最小值，xmax为输入数据中的最大值，xout为初始的输出结果，y则为反向归一化之后输出的数据，带入公式将数据处理之后，反向归一化的输