[發明專利]一種基于改進模糊神經網絡的短期電力負荷預測方法

在審

• 申請號: 201710964598.X
• 申請日: 2017-10-17
• 公開（公告）號: CN107704967A
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 田春光;高長征;唐偉寧;王鼎;都明亮;呂項羽;畢正軍;周宏偉;李德鑫;李成鋼;崔希生;張碩;劉立明;崔懷宇;林海源;姚志忠;王長勝;高曉峰
• 申請（專利權）人: 吉林省電力科學研究院有限公司;國網吉林省電力有限公司電力科學研究院;國網吉林省電力有限公司;國網吉林節能服務有限公司;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 長春市吉利專利事務所22206
• 代理人: 李曉莉

技術領域

本發明屬于電力系統狀態檢測領域，尤其涉及到一種基于改進模糊神經網絡的電力負荷預測方法。

背景技術

伴隨著我國經濟的加快發展，電力網絡的建設速度也蓬勃發展，電能是一種商品，然而它又不同于其它的商品，它的產生，分配及消費過程都是在同一時間完成的。電力部門最重要職能是向各類用戶盡可能經濟地提供可靠和合乎標準的電能。同時電力系統十分龐大，為了保證用戶可靠的供電，達到電網系統的經濟合理運行，為了使電網的生產，供應，銷售達到一個動態平衡，需要對電力負荷進行提前預測，根據用戶的需要來決定發電機組的啟停和電網的運行檢修時間。

隨著電網改革的不斷深入發展，需要不斷深入研究電力系統的供需形勢以及電力系統的發展規律，同時電網一切經濟活動必須以電網經濟效益為中心。因此，為了能搞清電力市場的需求情況，掌握電力市場規律，就必須做好對電網負荷的預測工作，而符合預測的結果對發電，輸送電能及分配電能有直接的指導作用。在電力系統運行、控制和計劃管理中，這既是電網規劃的重要組成部分，又是提高電網經濟效益和促進國民經濟發展的重要因素之一。實現高精度的電力系統短期負荷預測是實現現代化電網的重要內容，提高短期負荷預測具有重大意義。

因此，對于電力負荷進行準確預測，尤其是超短期、短期預測，可以改善負載對電力系統的影響，對電場制定更加合理的發電計劃，減少成本以及風電場參與發電競爭都具有重要作用。電力負荷預測在電力系統中發揮重要作用的關鍵技術，是亟需解決的問題，具有廣闊的應用前景。

發明內容

本發明所要解決的技術問題是：提出一種基于改進模糊神經網絡的短期電力負荷預測方法。本方法針對電力負荷自身特點，考慮氣象，實時電價等影響因素，引入多種智能優化計算方法以及綜合預測技術，對電力負荷預測的理論與方法進行深入研究，為電力系統運行管理提供科學的決策依據。

一種基于改進模糊神經網絡的短期電力負荷預測方法，其特征是包括以下步驟：

第一步，采集電力系統環境的溫度、濕度和降雨量；

第二步，獲得數據樣本的數量確定為M；

第三步，獲得本方法隱含層數為1，隱含層神經元數為2N-1；其中，N是輸入神經元個數；

第四部，對神經網絡的輸入參數應進行歸一化處理，以保證正常范圍內的輸入樣本區間x*在[-1，+1]區間，

其中，x*是歸一化后的值，當x_max＝x_min時取x*等于0.5，星期一到星期天分別用0.1至0.7的數字表示；

步驟五，獲得激勵函數可調的BP神經網絡學習算法，簡稱BP-AA算子，該算子不涉及節點數目的增減，采用BP-AA算法對網絡參數進行修正，通過網絡的輸入樣本，計算出B細胞對應的神經網絡的相關性能指標，計算滿足以下兩點：第一，應該采用由編碼參數和其結構模板值的乘積所構成的網絡參數用于計算；第二，所有網絡都應該以預先設定的最大規模來計算；采用BP-AA算法計算梯度值，修正參數；把更新后的參數在原B細胞中按編碼規則進行重新排列，即完成了BP-AA算子計算，其中，S＝0所對應的參數編碼應不變，即可獲得電力負荷預測結果。

所述步驟二中的M為5周。

通過以上方法，供電單位能夠對于電力負荷進行準確預測，尤其是超短期、短期預測，可以改善負載對電力系統的影響，對電場制定更加合理的發電計劃，減少成本以及風電場參與發電競爭都具有重要作用。

附圖說明

圖1為本發明一種基于改進模糊神經網絡的短期電力負荷預測方法的流程圖。

具體實施方式

一種基于改進模糊神經網絡的短期電力負荷預測方法，其特征是包括以下步驟：

第一步，采集電力系統環境的溫度、濕度和降雨量；

即確定所述的確定輸入參數，神經網絡的輸入參數受氣象因素和歷史值有關，氣溫的影響主要考慮溫度、濕度和降雨量。

第二步，獲得數據樣本的數量確定為M；

所述的確定數據樣本，當電力系統負荷數據具有日特性以及周特性時，為使人工神經網絡學習其中的規律，又避免過分學習或者學習不足的情況，負荷樣本數的恰當選取較為關鍵。經過多次試驗及分析計算后，負荷樣本數量選為5周。

第三步，獲得本方法隱含層數為1，隱含層神經元數為2N-1；其中，N是輸入神經元個數；