[發明專利]基于BP神經網絡的電力系統負荷預測方法

無效

• 申請號: 201310273370.8
• 申請日: 2013-07-02
• 公開（公告）號: CN103295081A
• 公開（公告）日: 2013-09-11
• 發明（設計）人: 楊明莉;劉三明;王致杰;張衛;丁國棟;李義新;高葉軍
• 申請（專利權）人: 上海電機學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 上海翼勝專利商標事務所(普通合伙) 31218
• 代理人: 翟羽;曾人泉

技術領域

本發明涉及電力系統負荷預測技術領域，特別是涉及一種基于BP神經網絡的電力系統負荷預測方法。

背景技術

電力系統負荷預測是電力系統規劃的重要組成部分，也是電力系統經濟運行的基礎，其對電力系統規劃和運行都極其重要。通過準確的負荷預測，可以經濟合理地安排機組啟停，減少旋轉備用容量，合理的安排檢修計劃，降低發電成本，提高經濟效益。

負荷預測按照預測的時間可以分為長期、中期和短期負荷預測。其中在短期負荷預測中，周負荷預測（未來7天）、日負荷預測（未來24小時預測）及提前數小時預測對電力系統的實時運行調度至關重要。因為對未來時刻進行預測調度要以負荷預測的結果為依據，負荷預測結果的準確性將直接影響調度的結果，從而對電力系統的安全穩定運行和經濟性帶來重要影響。

負荷預測對電力系統控制、運行和計劃都有著重要的意義。電力系統負荷變化受多方面的影響。一方面，負荷變化存在著有位置不確定因素引起的隨機波動；另一方面，又具有周期變化的規律性，這也使得負荷曲線具有相似性。同時，由于受天氣、節假日等特殊情況的影響，又使負荷變化出現差異。

因此，需要一種能夠提高對電力系統的負荷預測精度的方式，以保證電力系統的安全穩定運行和經濟性。

發明內容

本發明的目的在于，提供一種基于BP神經網絡的電力系統負荷預測方法，通過BP神經網絡模型的自動學習，將預測因素間的內在聯系通過神經BP神經網絡的權值分布實現隱性表達，實現對電力系統負荷的準確預測，可以有效保證電力系統的安全穩定運行和經濟性。

為達到上述目的，本發明采用了以下技術方案。

一種基于BP神經網絡的電力系統負荷預測方法，包括以下步驟：（1）根據指定電力負荷預測確定輸入輸出向量；（2）根據輸入輸出向量構造BP神經網絡模型；（3）對BP神經網絡進行網絡訓練；（4）輸入測試樣本對訓練后的BP神經網絡進行網絡測試，判斷輸出的預測值與實際值之間的誤差是否小于設定閾值，若是則執行步驟（5）；（5）根據所述預測值獲取實際需要的負荷預測。

本發明基于BP神經網絡的電力系統負荷預測方法的優點是：BP神經網絡模型具有利用以任意精度逼近任意連續函數的性質，通過模型的自動學習，將預測因素間的內在聯系通過神經BP神經網絡的權值分布實現隱性表達，對電力系統負荷預測的準確性高，可以有效保證電力系統的安全穩定運行和經濟性。

附圖說明

圖1是本發明基于BP神經網絡的電力系統負荷預測方法的流程圖。

具體實施方式

以下結合附圖對本發明基于BP神經網絡的電力系統負荷預測方法進行詳細說明，但是應當指出，本發明的實施方式以及實施例是為了解釋目的的優選方案，并不是對本發明范圍的限制。

參見圖1，本發明所述的基于BP神經網絡的電力系統負荷預測方法的流程圖，接下來對該方法所述步驟做詳細說明。

S11：根據指定電力負荷預測確定輸入輸出向量。

將一周的7天每天都看作一種類型，讓神經網絡學習這七種類型的潛在關系，并告知預測那天的電力系統的負荷類型。

步驟S11可以采用一下步驟實現：

（11）在預測日前一天每隔設定時間對電力負荷進行測量，獲取相應的測量數據作為電力負荷輸入變量。例如，在預測日的前一天中，每隔2小時對電力負荷進行1次測量，即得到一天12組數據。由于負荷值曲線相鄰的點之間不會發生突變，因此后一時刻的值必然和前一刻的值有關，除非出現重大事故等特殊情況。

（12）獲取電力負荷預測日當天的氣象特征數據作為氣象特征輸入變量。由于電力負荷還與環境因素有關，比如最高和最低氣溫等。因此，還需要通過天氣預報等手段獲得預測日的最高氣溫和最低氣溫和天氣特征值（晴天、陰天還是雨天）。這里用數字表示天氣特征值：0表示晴天，0.5表示陰天，1表示雨天。因此這里將電力負荷預測日當天的氣象特征數據作為BP神經網絡的輸入變量，即BP神經網絡的輸入變量就是一個15維的向量。

（13）確定預測日當天所需的負荷值數作為輸出向量。目標向量是預測日當天的12個負荷值，即一天中每隔一個整點的電力負荷，所以輸出向量是一個12維的向量。

（14）對確定的輸入輸出變量進行歸一化處理。獲得輸入輸出變量后，對其進行歸一化處理，將數據處理為[0,1]之間的數據，這里采用如下的公式進行輸入輸出數據的歸一化處理。