基于MIV和GA優化Elman神經網絡的春節負荷預測

劉子良++徐群+李家輝+陳琛+李峰+安樹懷+王雨+韓曉燕+++李軍+楊繼超

摘 要：春節作為中國的傳統節日，群眾集中返鄉造成部分配變臺區發生重過載現象，嚴重影響供電可靠性。精準的負荷預測可以幫助公司高效地開展春節保供電工作，確保節日期間居民用電平穩有序。文章對青島市某一配變春節期間負荷特性進行分析，通過應用平均影響值進行輸入變量的篩選，運用遺傳算法對Elman神經網絡初始閾值和權重進行優化，結合配變的額定參數，預測春節期間是否重載或過載。算理分析表明，該方法預測精度高，在工程應用中具備可行性。

關鍵詞：春節負荷 負荷預測 Elman神經網絡 應用平均影響值 遺傳算法

中圖分類號：TP39 文獻標識碼：A 文章編號：1672-3791（2017）06（a）-0041-05

Abstract：As China's traditional festivals， the masses focus on returning home caused by part of the distribution zone heavy overload phenomenon during the Sprint Festival， a serious impact on power supply reliability. Accurate load forecasting can help companies to carry out the work of the Spring Festival to ensure that the residents during the holiday season is stable and orderly. In this paper， the load characteristics during the Spring Festival in Qingdao are analyzed. The input variables are selected by applying the Mean Impact Value. The genetic algorithm is used to optimize the initial threshold and weight of the Elman neural network. According to the parameters of transformer， predict if it is overloaded. The arithmetic analysis shows that the method has high accuracy and is feasible in engineering application.

Key Words：Spring festival load；Load forecasting；Elman neural network；Mean impact value；Genetic algorithm

目前電力企業開展負荷預測主要集中在35 kV及以上的主網設備，或地區總負荷，對于10 kV配變的負荷預測，特別是在像春節這樣特殊節假日期間的負荷預測研究較少。作為中國傳統節日，春節期間保證居民安全穩定用電是電力企業重要的社會責任，因此，做好春節期間配電臺區的負荷預測工作，對制定配電變壓器重過載的應對措施，防止配電臺區設備損壞，保證居民安全、可靠用電具有十分重要的意義。目前，負荷預測的理論和方法較多，例如：時間序列、回歸分析、灰色模型、支持向量機等。這些方法模型簡單易用，但預測精度普遍較低，難以滿足負荷預測的要求。隨著人工智能技術的發展，人工神經網絡技術廣泛應用于負荷預測，并逐漸成為主要方法之一。但單純的人工神經網絡受制于初始權值的隨機選擇，網絡的收斂性和訓練時間不穩定，且很容易陷入局部極值點，泛化能力不強。

筆者對多臺配變春節期間的負荷特性進行詳細分析，經過大量實驗驗證發現春節期間的配變負荷很大程度依賴于歷史數據，年周期性較強，因此，決定采用反饋式神經網絡，用MIV篩選作用顯著的輸入變量，用遺傳算法優化網絡初始權值閾值，選取除夕至正月初六為預測周期，對配變進行負荷預測。

1 基本理論

1.1 Elman神經網絡模型

Elman神經網絡是典型的反饋式神經網絡，一般分為四層：輸入層、隱含層（中間層）、承接層和輸出層。網絡模型如圖1所示。輸入層、隱含層、輸出層的連接類似于前饋式網絡，輸入層的單元僅起信號傳輸作用，輸出層單元起線性加權作用。隱含層單元的傳遞函數可采用線性或非線性函數，承接層又叫上下文層或狀態層，它用來記憶隱含層單元前一時刻的輸出值并返回給網絡的輸入，可以認為是一個一步延時算子。其特點是對歷史狀態的數據具有敏感性，內部反饋機制增強了網絡自身處理動態信息的能力，達到動態建模的目的，非常適合配變春節期間的負荷預測。

式中，y為m維輸出結點；x為n維中間層結點；u為r維輸入結點；xc為n維反饋狀態向量；w 3為中間層到輸出層連接權值；w 2為輸入層到中間層連接權值；w 1為承接層到中間層的連接權值；g（*）為輸出神經元的傳遞函數，是中間層輸出的線性組合；f （*）為中間層神經元的傳遞函數。

1.2 遺傳算法

Elman神經網絡的學習結果對初始權向量異常敏感，初始連接權重隨機選取，一旦取值不當，極易引起網絡的振蕩，不收斂或訓練時間過長，無法滿足精度要求。遺傳算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。初代種群產生之后，按照適者生存和優勝劣汰的原理，逐代（generation）演化產生出越來越好的近似解，在每一代，根據問題域中個體的適應度（fitness）大小選擇（selection）個體，并借助于自然遺傳學的遺傳算子（genetic operators）進行組合交叉（crossover）和變異（mutation），產生出代表新的解集的種群。這個過程將導致種群像自然進化一樣的后生代種群比前代更加適應于環境，末代種群中的最優個體經過解碼（decoding），可以作為問題近似最優解。通過實驗結果表明，該方法應用于春節期間配變負荷預測是有效可行的，具有工程實施價值。