[發明專利]基于改進BP神經網絡算法的配網電采暖負荷預測方法

有效

• 申請號: 201711029996.9
• 申請日: 2017-10-26
• 公開（公告）號: CN107748934B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 周紅蓮;李娟;薛靜杰;華東;張三春;周會賓;王燕;李忠政;鄭偉東;任知猷;陳露鋒;孫家文;李嫻;李清;李光應;孔錦繡;羅攀;劉自發;王澤黎
• 申請（專利權）人: 國網新疆電力公司經濟技術研究院;國家電網公司;華北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0631;G06Q50/06;G06N3/044
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

一種基于改進BP神經網絡算法的配網電采暖負荷預測方法，包括獲取歷史數據以及參數設置步驟S1，相關系數計算步驟S2，權系數賦值步驟S3，各層神經元計算輸出步驟S4，結果輸出判斷步驟S5，上下限判斷步驟S6，神經元學習誤差計算步驟S7，基于學習誤差的權系數修正步驟S8，隨機修正權系數步驟S9，隨機修正偏倚和學習率步驟S10，判斷是否到最后一組數據步驟S11和最后的預測步驟S12。本發明能夠配網電采暖負荷預測方法提高收斂速度，避免輸出平坦區，提高權值改變幅度，考慮了棄風供暖和新建綠色建筑對電采暖推廣的影響，使電采暖負荷預測結果更接近實際值。

技術領域

本發明涉及一種負荷預測方法，具體的，涉及一種基于改進BP神經網絡算法的配網電采暖負荷預測方法。

背景技術

配網負荷預測，是配電網規劃的基礎，然而隨著大量電采暖負荷的接入，采暖內大幅度增加了配電網的負荷，配電網的規劃需及時調整適應大規模電采暖負荷的接入，因此，準確的預測電采暖負荷是當前配電網規劃前提和基礎。

電采暖負荷預測與歷史數據的關系較小，主要受以下兩個因素的影響：1)我國推廣電采暖的主要目的之一是棄風供暖，大規模消納多余風電，提高新能源利用效率，電采暖的推廣受當地年風力發電量利用率的影響較大；2)隨著我國新建建筑節能標準的提高，大量新建建筑采用節能75％設計標準，相對于傳統采暖，推廣電采暖有助于用戶節約采暖費用，提高了用戶采用電采暖的積極性。目前，還沒有考慮以上兩個因素的電采暖負荷預測方法。雖然，BP神經網絡法可考慮以上影響因素對電采暖負荷預測的影響，但是目前還沒有基于BP神經網絡法的電采暖負荷預測方法研究。

目前，BP神經網絡方法大量應用于配網負荷預測，步驟為：

1)隨機賦值權系數；

2)計算各層輸出；

3)判斷輸出與期望值是否滿足要求，若滿足轉向步驟5；

4)計算各層學習誤差，修正權系數，轉向步驟2)；

5)基于計算的權，預測負荷。

但是，該技術應用到電采暖負荷預測后，存在的問題是：權是隨機給定的，大量的反復實驗導致收斂過程慢；對于給定的權修正量很小，這樣優化是通過沿局部改善的方向逐漸進行調整的，很難達到滿意的預測結果；在輸出接近邊界值0或1的條件下，易出現平坦區，權改變極小，容易使訓練過程停頓。

因此，如何優化神經網絡算法，提高收斂速度，避免輸出平坦區，改善訓練效果成為現有技術亟需解決的技術問題。

發明內容

本發明的目的在于提出一種基于改進BP神經網絡算法的配網電采暖負荷預測方法，能夠克服現有BP神經網絡算法的缺點，提高電采暖負荷預測的精度，提高收斂速度，避免輸出平坦區，提高權值改變幅度。

為達此目的，本發明采用以下技術方案：

一種基于改進BP神經網絡算法的配網電采暖負荷預測方法，包括如下步驟：

獲取歷史數據以及參數設置步驟S1：獲取表示輸入的歷年規劃的新建建筑的建筑面積和歷年風力發電量利用率，表示輸出的歷年電采暖負荷值，所述歷年包括同時有風力發電和電采暖負荷的時間段，設有m層的神經網絡，所述神經網絡共有n個神經元，并從1到n順序編號，所述神經網絡計算的數據組數為V_max＝year-1，year是歷史數據的年數，令迭代次數it＝1，給定最大迭代次數it_max，設訓練組數變量v＝1，給定輸出誤差ε_y，給定神經元接近上限值的誤差ε_上和接近下限值的誤差ε_下，給定學習率η和各神經元的偏倚θ_i，i＝3，4，...，n，電采暖負荷期望輸出為y；

相關系數計算步驟S2，分別利用歷年的風力發電量利用率、歷年新建建筑面積與歷年電采暖負荷值計算相關系數；