農業用電負荷預測

摘 要：文章提出了一種日負荷預測的新模型。這是一種基于非線性小波的神經函數。這個小波網絡由小波基函數構成，并且已經得到了全局最優解。我們克服了一個人工神經網絡的固有缺陷即其學習速度慢，其網絡結構是難以合理確定并且它會產生局部最小點。我們可以從實例中看到，這個方法可以提高負荷預測的精確性和其學習速度，并且可以將其應用于農業日電力負荷預測。

關鍵詞：小波神經網絡；人工神經網絡；負荷預測

一個日電力負荷預測意味著負荷預測的時間單位是小時、天或者月。由于其本身趨勢有很強的隨機性，導致對其進行數學建模產生了一定的困難。而對預測的精準性的提高也是很困難的。到目前為止，最有效的預測方法之一就是人工神經網絡。它可以表達一個很復雜的非線性函數，但與此同時，它有一些內在固有的缺陷即它的學習速度很慢，并且其網絡結構是難以合理確定并且它會產生局部最小點。我們采用小波神經網絡來進行短期負荷預測來解決這些問題。首先，子波系列是通過膨脹、收縮因子和翻譯因子得到的，而后構成了一個小波神經網絡。因為兩個新的參數（膨脹、收縮因子和翻譯因子）被使用，使得小波神經網絡的自由度比人工神經網絡的自由度更高，也因此有更好的函數逼近能力。

1 小波的概念和小波變換

3 短期日負荷預測應用

為了實施文章提出的新方法，我們將中國武漢的日負荷進行預測，測試2006年10月20日整天24小時的農業負荷數據。為了比對兩種模型，將分別選擇小波神經網絡和人工神經網絡。通過模仿計算，我們知道的前者的精度和速度提高了不少。

4 結束語

在文章中，我們提出了一種新的農業電力日負荷預測的模型——基于小波神經網絡。它克服了人工神經網絡固有的缺陷，即它的學習速度慢并且其網絡結構是難以合理確定并且它會產生局部最小點。其神經函數是基于非線性小波。我們得到全球最佳的擬合效果。并且提高了精度。該網絡結構由逐步測試方法來確定，因為該網絡是一個單一的隱含層結構，它的速度明顯的提高，可以用來預測農業日負荷。通過仿真計算，我們證明了新的模型的有效性。

參考文獻

[1]康重慶，夏清，張伯明.電力系統負荷預測研究綜述與發展方向的探討[J].電力系統自動化，2004，28（17）：1-11.

[2]吳杰康，陳明華，陳國通.基于PSO的模糊神經網絡短期負荷預測[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2007，19（1）：63-67.

[3]田瑞，聞新，田春延.小波神經網絡的特征與比較[J].計算機測量與控制，2002，10（2）：71-73.

[4]劉滌塵，夏昌浩，胡祥勇，等.基于小波變換的電力系統神經網絡負荷預報研究[J].武漢大學學報（工學版），2002，35（4）.

[5]叢爽編著.面向MATLAB工具箱的神經網絡理論與應用[M].中國科學技術大學出版社，1998.

[6]劉增良，劉有才.小波變換與神經網絡-理論研究與探索[M].北京： 北京航空航天大學出版社，1996.

[7]Liang Rueyhsun，Cheng Chingchi. Short-term load forecasting by a neu-ron-fuzzy based approach[J].Electrical Power and Energy System，2002，24（2）：103-111.

作者簡介：楊雄（1988-），男，江西南昌人，本科，助理工程師，主要研究方向：電力系統負荷分析、風力發電工程建設。