基于人工神經網絡的短期居民用電負荷預測研究

朱雪雄

摘 要：短期居民用電負荷預測主要用于電力調度工作停電計劃，以提高供電可靠度及居民用戶滿意度。本研究通過電力負荷與每日溫度與歷史負荷進行分析，提出一套基于人工神經網絡的短期居民用電負荷預測模型。人工神經網絡在負荷預測方面具有較高的可信度與精準度。

關鍵詞：負荷預測；人工神經網絡；短期；居民用電

中圖分類號：TM73 文獻標志碼：A 文章編號：2095-2945（2017）23-0020-02

1 概述

對于電力系統來說，發電、輸電、配電、用電同時進行，電力需求往往需要實時的生產與調度以適時適量地滿足用戶的需求。因此，如何掌握電力負荷的成長趨勢，使得電力負荷與電能開發、調度能相互配合，以免造成電力供給的短缺，影響經濟的發展。

預測指對未來事物可能變動的趨勢，給予事前推測，便于系統管理者制定相關對應決策，其方法則須考慮準確性、實時性與實用性三個方面。負荷預測依預測時間的長短可分為長期負荷預測、中期負荷預測、短期負荷預測。短期負荷預測的預測時間從一天到幾周，中期負荷預測的預測時間從數月到數年，而長期負荷預測的預測時間從一年到二十年。不同時間的負荷預測也應用于不同的電力系統分析，對于居民用電而言，短期負荷預測主要用于短期營運計劃和近期設備維修計劃、經濟調度、機組協調、電力潮流分析，以提高供電可靠度及居民用戶滿意度。常見的負荷預測方法有傳統的模擬法和單位耗電法，其中模擬法即是通過已知的用電負荷來推估未知或新的用電負荷。單位耗電法是透過用戶的平均耗電量，再乘以預估的用電戶數，來推算居民用電的總負荷量。另外還有移動平均法、指數平滑法、時間序列法、回歸分析法、專家系統法、灰系統理論、模糊系統理論等方法。

由于短期居民用電負荷數據以曲線呈現，而人工神經網絡法對于非線性預測有不錯結果，故本文運用人工神經網絡法進行預測。

2 人工神經網絡

人工神經網絡就是基于模仿生物大腦的結構和功能而構成的一種信息處理系統。大腦是由大量神經細胞或神經元組成的。每個神經元可看作是一個小的處理單元，這些神經元按某種方式連接起來，形成大腦內部的生理神經元網絡。這種神經元網絡中各神經元之間聯結的強弱，按外部的激勵信號做自適應變化，而每個神經元又隨著所接收到的多個接收信號的綜合大小而呈現興奮或抑制狀態。人工神經網絡可以以軟件算法或電子線路仿效生物神經網絡處理信息的系統。目前人工神經網絡已被廣泛運用于模式識別、人工智能、信號處理等領域。人工神經網絡的按網絡連接的拓撲結構如圖1，分為輸入層、隱含層、輸出層。

3 預測模型

3.1 居民用電負荷分析

居民用電負荷具有季節性的周期變化趨勢，各時段間負荷曲線具有相似的周期變化，因此可以歸納成春季、夏季、秋季、冬季四種不同的季節負荷型態。春、夏、秋、冬溫度變化并不同，但是對于負荷變化影響卻非常大。春季負荷緩慢上升、夏季負荷急速上升至高峰、秋季負荷快速下降、冬季負荷于低處向上波動。

在高溫和低溫時，空調使用量的多少，對負荷有絕對的影響。所以在作居民用電短期負荷預測時，溫度是一項影響負荷相當重要的因素。此外歷史負荷也會對居民用電負荷預測有重要影響。為此選用溫度和歷史負荷作為人工神經網絡的輸入。

3.2 人工神經網絡預測模型建立

本研究人工神經網絡預測模型模型如圖2所示。

模型中取前一天的實時負荷數據和溫度作為神經網絡的樣本數據。因此，輸入變量就是歷史負荷數據加上溫度數據，預測日當天負荷值作為輸出變量。神經網絡的輸入參數和輸出參數有不同的基準，若實際的負荷數據不加處理直接使用，可能致使學習過程中結果不收斂，使模型失效。為避免出現這種情況，獲得輸入和輸出變量后，對其進行歸一化處理。用以下公式，輸入和輸出負荷數據歸一到[0，1]之間。

4 結束語

短期負荷預測的目的是實時預測，而不是像中、長期負荷預測那樣著重負荷的發展趨勢。因為短期負荷受到氣候因素影響，實際天氣和負荷是呈現復雜的非線性關系，故要精確預測是非常困難的。為了解決這個問題，所以將人工神經網絡概念導入電力負荷預測領域。

本研究通過基于神經網絡的預測方法，在綜合考慮由溫度度與歷史負荷來預測住居民用電負荷對未來負荷影響的因素后，使用了神經網絡的非線性擬合等功能，取得了較好的負荷預測效果。

參考文獻：

[1]余鳳，徐曉鐘.基于優化小波BP神經網絡的燃氣短期負荷預測[J].計算機仿真，2015，32（1）：372-376.

[2]陳旭.基于神經網絡的電力系統短期負荷預測研究[D].華中科技大學，2015.

[3]丁堅勇，劉云.基于負荷特征提取的神經網絡短期負荷預測[J].高電壓技術，2004，30（12）：47-49.