[发明专利]一种基于人工神经网络的日用电量预测方法

说明书

技术领域

本发明属于供电技术领域，尤其涉及一种用于电力系统的负荷预测方法。

背景技术

负荷预测是电力系统规划的基础和前提。

随着我国经济社会的迅猛发展和城市化进程的快速推进，城市已日益成为重要 的负荷中心，城市电网负荷预测工作越来越受到人们的重视。

近些年来，城市电网负荷预测方法不断发展，负荷预测手段也在不断变化，在 满足城市电网规划和建设需要的同时，有力地支撑了城市电网发展的科学决策。

影响城市电网负荷变化的因素很多，与大电网负荷相比，城市电网负荷的波动 性更大、影响因素更微观。为了提高城市电网负荷预测的准确性，在当前我国城市 电网建设需求不断扩大的形势下，根据城市电网的负荷特点和负荷预测条件，研究 符合我国国情和城市发展方向的城市电网负荷预测方法十分必要。

随着城市经济和社会的飞速发展，供电公司用电负荷屡创新高。一方面电网需 要快速发展以满足来自于全社会各行业的用电需求，充分发挥电网公司作为能源服 务行业的社会效用；而另一方面，电网公司作为企业实体运行，其投资规模的有限 性以及企业为自身健康持续发展必须考虑的电网投资效益等问题，使得电网的建设 营运等决策必须建立在社会效用和企业效用充分融合的基础上，这也相应赋予了电 网规划工作更深的含义和更大的责任。为了实现电网投资建设的社会和企业的双 赢，对地区电网负荷预测工作提出了更高的要求。

目前供电公司电网的短期用电量预测都是由工作人员人工进行，通过寻找相似 日等直观地预测，这就完全依赖于工作人员的经验。

供电分公司承担着所辖地区的供电任务，由于近年来所辖地区城市建设日新月 异，供电量相应也飞速增长，以往纯粹按照经验或者将历史数据作简单推算的预测 方法已很难达到理想的预测精度。

发明内容

本发明所要解决的技术问题是提供一种基于人工神经网络的日用电量预测方 法，其通过对训练样本的学习，预测模型即可自动建立且隐含于人工神经网络内部， 在短期负荷预测中采用本用电量预测方法，可以对时间序列模型进行有益的补充。

本发明的技术方案是：提供一种基于人工神经网络的日用电量预测方法，其 特征是：

所述神经网络模型的拓扑结构包括输入层、隐层和输出层；

所述神经网络模型的学习规则是采用误差反向传播算法的并行分布处理模型， 使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方 和最小；

所述的日用电量预测方法，选取以下输入变量对神经网络进行训练：

(1)气象参数

选取每日最高温度、最低温度及经过量化计算的人体舒适度指数作为输入变 量；

(2)电量参数

选取供电公司经过割接后的每日用电量数据；

(3)预测日类型参数

由于工作日与节假日负荷的规律是不一样的，所以将每天类型标记为工作日 及非工作日；

考虑到法定假期的特殊性，在对日类型赋值时采用以下规则：

a)如果节假日为周六周日连续两天，则周六赋值0.2，周日赋值0.6；

b)如果为连续三天法定假日，则三天分别赋值：0.2，0.6，1；

工作日从周一至周五依次赋值为0.01-0.05；

所述的神经网络采用三层网络，选择15个输入节点，输出节点数为1；

在进行隐节点数的选择时，首先，假设二个隐蔽层节点数是一样的，即网络的 结构为(15*N*N*1)；然后分别取不同的N值进行试验找到一个合理的隐节点数；

选取预测日前四周28天的数据作为训练样本集；训练时，循环把十组数据加 入到网络中进行训练，直到所有样本训练误差都满足要求为止；

所述的样本数据包括每日用电量、气温数据、计算得到的人体舒适度指数以及 日类型数据。

其中，所述的输入层各神经元负责接收来自外界的输入信息，并传递给中间层 各神经元；

所述的中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求， 中间层可以设计为单隐层或者多隐层结构；

最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习 的正向传播处理过程，由输出层向外界输出信息处理结果；