基于人工神经网络的电力短期负荷预测系统研究.pdf

《基于人工神经网络的电力短期负荷预测系统研究.pdf》由会员分享，可在线阅读，更多相关《基于人工神经网络的电力短期负荷预测系统研究.pdf（74页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、霹飘分类号一密级一U 】C艮矾理了犬学硕士学位论文基主厶王盟经圆终殴电力缒塑鱼煎亟型丞筮盟壅研究生姓名陈浩指导教师姓名、职称奎薹垄!熬塑!学科专业管理科学与工程研究方向厶三盘丝论文工作起止日期2 0 0 4 年6 月3 日论文提交日期20 0 5 年4 月10E 1摘要当前，我国正面临着严重的电力短缺。全国范围内的拉闸限电，不仅，z 重影响了工业生产，给人民生活带来极大的不便，还导致了一系列的：会问题。要解决电力短缺的问题，必须继续深化电力市场改革。这就要求电力企业在现有的情况下深入挖掘自身潜力，合理的调度电力资源，尽量降低电力短缺所带来的经济损失。电力系统短期负荷预测是电力调度中十分重要的一

2、个环节，其结果将对发电机组生产计划的制定、水火发电的合理配置、燃料配置和安全分析设备的短期维修及电网能量的传播等产生很大的影响。在信息化建设蓬勃发展的今天，传统的人工预测已经越来越不能满足电力工、世发展的需要，而以人工神经网络为代表的新的预测方法则越来越显示出其巨大的优越性。本文在研究了大量文献资料的基础上，通过分析影响电力负荷的各种重要因素构建了一个三层结构的B P 网络，并用历史负荷数据进行训练，成功的进行了电力系统的短期负荷预测。预测结果的精度相对传统方法有了很大程度的提高，证明了人工神经网络在电力短期负荷预测领域的有效性。在建立了基于人工神经网络的电力短期负荷预测模型之后，以面向对象的

3、分析与设计方法为指导，采用j a v a 语言开发了一个简单的神经网络负荷预测系统原型，进一步证明了基于人工神经网络的电力短期负荷预测系统的可行性。关键词：电力短缺人工神经网络短期负荷预测面向对象分析与设计J O O N EA b s tr a c tN o w a d a y s，o u rc o u r t t r yi sb e i n gi nas e r i o u se l e c t r i cp o w e rs c ar c ep e r i o d T h ee l e c t r i cp o w e rs h o r t a g ei nn a t i o n w i

4、d es c o p en o to n l Yh a ss e r i o us l ya f f e c t e dt h ei n d u s t r i a lp r o d u c t i o na n db r o u g h tg r e a ti n c o n v e n i e n c et op e o p l e sl i f e，b u ta l s oh a sc a u s e das e r i e so f s o c i a lp r o b l e m T os o l v et h ep r o b l e mo fe l e c t r i cp o

5、w e rs h o r t a g e，w em u s td e e p e no nt h er e f o r mo fe l e c t r i cp o w e rm a r k e tc o n t i n u o us l y T h us，i tr e q u i r e st h eP o w e re n t e r p r i s e st oe x c a v a t eP o t e n t i a lo ft h e m s e l v e su n d e re x i s t i n gc o n d i t i o ns，r e a s o n a b l

6、ym a n a g ep o w e rr e s o u r c e，a n dr e d u c et h ep e c u n i a r yl o s sb r o u g h tb yt h ee l e c t r i cp o w e rs h o r t a g ea sb e s ta so n ec a n T h es h o r t t e r me l e c t r i cl o a df o r e c a s tis av e r yi m p o r t a n tl i n ki nt h ee l e c t r i cp o w e rm a n a

7、g e m e n t，r e s u l t e di nag r e a ti m p r o v e m e n ti nt h ees t a b l i s h m e n to ft h ep r o d u c t i o np l a no fg e n e r a t o r s，t h er e a s o n a b l ed e p l o yf o rf i r ea n dw a t e rg e n e r a t ee】e c t r i c i t ya n df u e l t h es h o r t。t e r mm a i n t e n a n c

8、eo f s a f ea n a l y s i se q u i p m e n t sa n dt h es p r e a do ft h ee n e r g yo fe l e ct r i c a ln e t w o r k I nad a yt h a ti n f o r m a t i v ec o n s t r u c t i o na r ei nv i g o r o uSd e v e l o p m e n t，t r a d i t i o n a la r t i f i c i a lf o r e c a s tC a nn o ta l r e a

9、d yS a t iS f yt h en e e d so fe l e c t r i Cp o w e ri n d u s t r i a ld e v e l o p m e n tm o r ea n dm o r e H o w e v e r，t h eI l e wf o r e c a s tm e t h o do fr e p r e s e n t a t i v e，w h i c hiSa r t i f i c i a ln e u r a ln e t w o r k，s h o wsi tSh u g es u p e r i o r i t y A f t

10、 e rs t u d y i n gp l e n t yo fd o c u m e n t sa n da n a l y z i n gv a r i o u si m p o r t a n tf a c t o r so fe l e c t r i cp o w e rl o a d，t h eB Pn e t w o r kw i t ht h r e e l a y e rs t r u c t u r eh asb e e nc o n s t r u c t e d，a n dt h en e t w o r kw a st r a i n e dw i t hh is

11、t o r i c a le l e c t r i cp o W e rl o a dd a t a r es u R e ds n c a a s s f u ls h o f t t e r me l e c t r i Cp o w e rl o a df o r e c a s tA n dt h epr e c is i o nh asr i s e nt oah i g h e rl e v e lc o m p a r e dw i t ht h er e s u l tf o r e ca s t e db yt r a d i t i o n a Im e t h o d

12、s，w h i c hp r o v est h ev a l i d i t yo fa r t i f i c i a ln e r v en e t w o r ki nt h ep o w e rl o a df o r e c a s tf i e l do fs h o r tp e r i o d A f t e rt h ea r t i f i e i a ln e l 1r a ln e t w o r km o d e lo fs h o r tp e r i o dp o w e rl o a df or e c a s th a db e e n e s t a b

13、l is he d，a n dg u i d e db yt h eo b jc o t o r i e n t e da n a l y s iSa n dd e s i g nm e t h o d，as i m p l ep r o t o t y p eo fn e r v en e t w o r kl o a df o r e c a s ts y s t e mh a sb e e nd e v e l o p e dus i n gWJa v al a n g u a g e，w h i c hf u r t h e rp r o v e dt h ef e a s i b i

14、 l i t yo fp o w e rl o a df o r e c as ts y s t e mo fs h o r tp e r i o db a s e do nt h ea r t i f i c i a ln e u r a ln e t w o r k K e y w o r d s：E l e c t r i cp o w e rS h o r t t e r me l e c t r i cp o w e rl o a dd e s i g n，J O O N Es h o r t a g e，A r t i f i c ia ln e u r a ln e t w o

15、r k，f o r e c a s t，O b j e c t o r i e n t e da n a l y s isa n d昆明理工大学学位论文原创性声明X8 3 1 2 4 4本人郑重声明：所呈交的学位论文，是本人在导师的指导下(或我令人)进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均】在论文中作了明确的说明并表示了谢意。本声明的法律结果由本人承担。学位论文作者签名：争日期：D 岁年砰月矽日关于论文使用授权的说明本人完全了解昆明理工大学有关保留、使用学位论文的规定，即：学校希权保留

16、、送交论文的复印件，允许论文被查阅，学校可以公布论文的全部或部分内容，可以呆用影印或其他复制手段保存论文。孙签名：查苤照论文作者签名飞专日期：!生生目竺旦昆明理工大学硕士学位论文第一章绪论1 1 课题的研究背景及意义1，1 1 我国电力工业发展的历史与现状电力工业是国民经济的基础产业，在整个国民经济的发展起着举足轻重的作用。多年的实践经验告诉我们，如果电力工业的发展速度能够满足国民经济建设的需要，就会促进经济的高速发展：否则，就会产生皿重的供需矛盾，阻碍国民经济的发展。我国的电力工业经历了曲折的发展过程。在计划经济时代，从t 9 6 9年开始，国内就有电力短缺的问题。改革开放以后，我国迈入市场

17、经济体制，国家逐渐加大了电力工业的发展力度，但是每年新增的装机容量仍然落后于国民经济增长的需求。直到上世纪9 0 年代，国家进行电力巾，场改革，引发了全国范围内的大规模电力建设，最终使得我国的电力供需在1 9 9 8 年首次出现平衡。此后，为了避免电力工业的无序发展和恶性竞争，国家作出“三年不上火电”的决策，电力建设速度人为放缓。而蝎一方面，随着我国经济的高速增长和人民生活水平的不断提高，全社会对电力的消费需求不断增大，电力市场供不应求的局面又出现了我国又次开始面临严重的电力短缺问题。据有关部门统计，20 0 2 年我国的电力缺口为20 35 万千瓦，20 03 为4 4 8 5 万千瓦，2

18、0 0 4 年为3 0 0 0 万千瓦。据专家预计，2 0 0 5 年我国的电力缺口约为15 0 0 万2 0 0 0 万千瓦，到2 0 0 6 年才有可能达到基本的供需平衡。五年来，电力短缺已经给国家带来总值约为一万亿人民币的直接和间接损失。全国范围内的大规模拉闸限电，不仅严重影响了工业生产，给人民生活带来极大的不便，还导致了一系列的社会问题。比如说，电力的短缺直接拉动了煤炭的需求，间接的导致国内某些地区对煤炭资源的无序开发，引发了一系列重大的矿难事故，造成了巨大的人员伤亡。可以说，持续的电力短缺，已经严重的制约了我国经济的高速发展。要从根本上解决电力短缺的问题，不仅需要增加我国的发电机装机

19、容量，还要继续深化电力市场改革，加强电力系统建设，使电力】一业与经济建设同步发展。但是，装机容量的提高不是一蹴而就的，电力市场改革基于人工神经网络的电力短期负荷预测系统研究的深入也不是一天就可以实现的。在现有的情况下，我国的电力企业只有深入挖掘自身潜力，合理的调度电力资源，使有限的电力资源发挥出最大的经济效益，才能尽量降低电力短缺所带来的经济损失。1 1 2 电力短期负荷预测系统研究的意义电力系统负荷预测是以准确的历史数据和调查资料为依据，从用电量的历史和现状出发，用科学的方法预测未来电力系统负荷的发展趋势和变化规律的科学。根据预测的时间跨度，一般将负荷预测分为长期、中期和短期负荷预测。长期负

20、荷预测一般是指对五至十年的系统负荷增长和变化进行预测，它主要用于制定电力系统的远景发展规划，包括能源利用、大容量电厂和变电站的建设，以及高一级电压等级的发展等。中期负荷预测一般是指对未来数月或一年以上，五年以下的负荷情况进行预测，它主要用于制订电力系统的扩建计划和安排制定长期运行方式。短期负荷预测主要指预测未来一天或一周内各个整点的负荷曲线，主要用于制定系统的生产计划，安排系统的短期运行方式、进行电力调度以及离线安全分析等。对于电力企业来说，短期负荷预测是一项十分熏要的工作。短期负荷预测的结果，将对发电机组生产计划的制定、水火发电的合理配置、燃料配置和安全分析设各的短期维修及电网能量的传播等产

21、生很大的影响。传统的负荷预测都是人工完成的。预测人员通过历史负荷数据，采用一定的预测算法加以计算，得到预测结果后，结合自己的经验加以修正，形成最后发布的预测数据。在整个过程中，历史数据的选择，预测算法的选用和预测人员的经验，都会对预测结果产生很大的影响，预测的精度难以保证。因此，电力企业迫切需要建立自己电力负荷预测系统。这种系统必须能够结合企业现有的资源，能够克服人工预测的各种弊端，不仅要有较高的预测精度，还要有自动化和智能化的特性。本文研究的基于人工神经网络的电力短期负荷预测系统，就是一个能够满足以上需要的系统。它采用人工神经网络算法来保证预测的准确性和智能化，采用基于Ja v a 的软件架

22、构来保证系统与其它应用的良好集成。通过应用该系统，可以避免过去人工预测的盲目与随意，使电力负荷预测的结果更加准确，为电力调度提供更好的参考依据。它不仅可以尽量昆明理工大学硕士学位论文降低电力短缺所带来的危害，还能为电力企业带来更大的经济效益。因此，本文的研究具有重要的理论和现实意义。1 2 国内外的研究现状1 2 1 电力系统短期负荷预测的方法电力系统短期负荷预测是一项十分复杂的工作，在衡量预测结果的诲多指标中，预测的精度是最重要的一条，它是一切模型与算法追求的目标。目前实际运用中使用的负荷预测方法主要有回归分析法、时间序列法、卡尔曼滤波法、指数平滑法、灰色模型法、人工神经网络法、专家系统法等

23、【2 j。1、回归分析法回归分析法是研究变量与因变量之间关系的一种数学方法。在回归分析中，自变量是随机变量，因变最是非随机变量，由给定的多组自变量和因变量资料，研究各自变景和因变量之间的关系，形成回归方程。求解回归方程后，给定各自变量数值，即可求出因变量值。用于负荷预测时，回归分析法能根据历史数据和一些影响负荷变化的因素变量来推断将来时刻的负荷值。回归分析法的特点是：1)原理、结构简单；2)预测速度快；3)外推特性好，对于历史上未出现过的情况有较好的预测值。存在的不足：1)历史数据要求高；2)用简单的线性方法来描述比较复杂的情况，误差较大；3)无法详细地考虑各种影响负荷的因素；4)模型初始化难

24、度较大，需要丰富的经验和较高的技巧。2、时间序列方法时间序列模型是使用得比较多的种短期负荷预测建模方法。此类模型的建模必须应用平稳随机过程辨识的有关理论。实际负荷一般均不满足平稳随机性的要求，必须将序列转化成平稳随机序列后模型辨识才能进行。模型辨识的基本途径是对平稳时间序列的相关分奉斤，也就是计算序列的均值、自相关和偏相关函数，从而确定模型的类型。模型辨识后，就要利用序列有关的样本数据，对模型参数进行估计。基于人工神经网络的电力短期负荷预测系统研究时间序列法的特点是：1)计算速度快；2)能反映负荷近期变化的连续性。存在的不足：1)对原始时间序列的平稳性要求高；2)对天气等影响因索考虑不足：3)

25、当原始时间序列不满足平稳性要求时，需要对数据进行平稳化处理，然后再建模，辨识，过程比较繁琐。3、卡尔曼滤波方法卡尔曼滤波方法把负荷视为状态变量，建立状态空间模型，用状态方程和量测方程来描述负荷变化。在系统噪声统计特征已知的情况下，卡尔曼滤波法能递推的进行计算，适用于在线负荷预测。但实际应用t l t，对量测噪声和系统噪声的统计特性的估计是卡尔曼滤波法的难点所在。4、指数平滑法指数平滑法是用过去数周的同类型日的相同时间的负荷组成一组时间上有序的数组，对该数组加权平均，计算时应该加大新近数据的权系数，减小陈旧数据的权系数，以体现过程的时变性。该方法在传统的人工预测时应用较多。5、灰色模型法灰色系统

26、理论将一切随机变化量看作是在一定范围内变化的灰色量，常用累加生成(A G O)和累减生成(I A G O)的方法将杂乱无章的原始数据整理成规律性较强的生成数据列。用灰色模型(G M)的微分方程作为电力系统单一指标(如负荷)的预测时，求解微分方程的时间响应函数表达式即为所求的灰色预测模型，对模型的精度和可信度进行校验并修正后即可据此模型预测未来的负荷。6、人工神经网络法人工神经网络是仿照生物神经系统建立的一种计算模型。这种计算模型具有大规模分布并行处理、非线性、自组织、自学习、联想记忆等优良特性。通过构建结构合理的神经网络，并用准确的历史负荷数据和相关的影响因素数据对网络进行训练，网络就能够学习

27、训练数据中所蕴涵的规律，并将这种规律保存在自己的权值矩阵中。训练好的神经网络可以进行电力系统短期负荷的预测工作，预测结果具有较高的精度。昆明理工大学硕士学位论文7、专家系统法对数据库里存放的过去几年的每小时的负荷和天气数据进行细致的分析，汇集有经验的负荷预报人员的知识，提取有关规则，按照一定的规则推理进行负荷预测。专家系统是对人类的不可量化的经验进行转化的一种较好的方法，将它与其他方法有机地结合起来，也可以得到较好的预测结果。综上所述，相对于其它的预测方法来说，人工神经网络法被认为是一种简单而有效的负荷预测技术，非常适合用来进行电力系统短期负荷预测。1 2 2 神经网络应用于短期负荷预测的研究

28、现状西方发达国家如美国、英国随着电力市场的日益成熟，电力供应商为了获取最大利润，十分重视电力负荷预测工作。为此，科研工作者一直在研究电力负荷预测的新方法以提高预测精度。自从19 9 1 年美国学者P a r k 等人提出使用神经网络预测电力负荷以来，人们对此表现出广泛的关注|3】，f4 ”。在此基础上，美国的K h o t a n z a d 博士领导的科研小组经过几年的艰苦研究，提出了人工神经网络电力负荷短期预测系统(A N N S T L F)。这个系统已经在实用化方面取得了空前的成功。北美洲有3 5 个大发电系统(公司)，根据天气预报、工业和居民用电统计资料，利用A N N S T L

29、F系统预测发电站必须提供的发电量，太大提高了电站的经济效益和安全运转系数。但该系统有一个弱点，即不能处理不确定性信息，且需要大量的历史数据进行训练和学习。我国的负荷数据近几年才开始系统收集，采用A N N S T L F 系统不太适合我国的国情。H i r o y u k i 教授等人则在电力负荷短期预测中运用了自适应模糊推理 7】t ，S r i n i v a s a n 博士采用了模糊神经计算进行需求预测【l。这些方法主要是针对工业化发达国家实际情况提出的，而我国的国情复杂，地区之间的差距很大，生搬硬套上述方法，很难取得成功。当前国内电力短期负荷预测研究也备受瞩目，很多学者提出自己的看法

30、。东南大学的单渊达教授采用径向基函数(R B F)为神经网络预测系统前向网络的学习提供了一种新颖而有效的手段【l。R B F 网络具有良好的推理能力，而且在学习方面比误差反向传播(B P)方法快得多。华北电力大学的牛东晓教授则引入了小波神经元网络电力负荷预测模型”。它以非线性小波基为神经元函数，通过伸缩因子和平移因子计算小波基函数合成基于人工神经网络的电力短期受荷预测系统研究的小波网络，从而到达全局最优的逼近效果。清华大学张伯明教授采用共轭梯度法训练预测系统的神经网络，在学习算法上有所突破J。团内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预测【14 1。华

31、南理工大学的吴捷教授运用模糊逻辑利时序特性来进行最优模糊逻辑推理【1“，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将A I 推理和模糊系统结合起来，建立A I 规则库对电力负荷进行预测，也取得了较好的效果f l6 1。1 3 本课题的主要工作本文在阅读大量相关文献资料的基础上，结合国内电力企业的现状，采用人工神经网络算法进行电力系统短期负荷预测，研究了基于人工神经网络的负荷预测模型，并开发实现了基于该模型的短期负荷预测系统原型。本人所作的工作主要有：1)选择

32、人工神经网络进行短期电力负荷预测。影响电力负荷的因素有很多，相互之间的关系错综复杂，是一种非线性关系。传统的预测方法难以处理这种非线性关系，因此预测精度都不高。人工神经网络具有很好的非线性处理能力，非常适合于处理这类预测问题。因此，初步确定采用人工神经网络进行负荷预测。2)采集国内某电力企业的历史负荷数据，并结合相关的气象数据，建立基于人工神经网络的负荷预测模型。通过对历史数据的分析，确定神经网络的结构与学习算法。通过M a t l a b 神经网络工具箱进行模型仿真计算，将预测结果与实际数据进行比较，确定神经网络算法的可行性。3)以面向对象的分析与设计方法为指导，开发实现了电力短期负荷预测系

33、统原型。本文对电力短期负荷系统进行详细的分析与设计，采用 a v a 语言编写代码，完成了电力短期负荷预测系统的原型，通过该原型的实现进一步证明了研究的可行性。1 4 课题所用工具的选择论文的研究过程中，涉及了神经网络模型仿真、软件系统分析设计、软件开发等多方面的内容，这些工作基本上都在电脑上完成，需要采用基于 工神经网路的电力短期负荷j 囊硎系统研究的小波网络，从而到达全局最优的逼近效果。清华大学张伯明教授采用共轭梯度法训练预测系统的神经网络，在学习算法上有所突破1。国内著名人工智能学者蔡目兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预测”“。华南理工大学的吴捷教授运用模糊逻

34、辑和时序特性来进行是优模糊逻辑推理”“，该系统的输八量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据列，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将A I 推理和模糊系统结合起来，建立A I 规则库对电力负荷进行预测，也取得r 较好的效果”“。1 3 本课题的主要工作本文在阅读大量相关文献资料的基础上，结合国内电力企业的现状，采用人 一神经网络算法进行电力系统短期负荷预测，研究了基于人工神经嗍络的负荷预测模型，并开发实现了基于该模型的短期负荷预测系统原型。本人所作的工作主要有：1)选择人工神经网络进行短期电力负荷预测。影

35、响电力负荷的因素有很多，相互之间的关系错综复杂。是一种非线性关系。传统的预测方法难以处理这种非线性关系，因此预测精度都不高。人：神经网络具有很好的非线性处理能力，非常适合于处理这类预测问题。因此，纫步确定采用人工神经网络进行负荷预测。2)采集国内某电力企业的历史负荷数据，并结台相关的气象数据，建立基于人工神经网络的负荷预测模型。通过对历史数据的分析，确定神经网络的结构与学习算法。通过M a t l a b 神经网络 二县箱进行模型仿真计算，将预测结果与实际数据进行比较，确定 申经网络算法的可行性。3)以面向对象的分析与设计方法为指导，开发实现了电力短期负荷预测系统原型。本文对电力短期负荷系统进

36、行详细的分析与设计，采用 a v a 语言编写代码，完成了电力短期负荷预测系统的泵型，通过该原型的实现进一步证明了研究的可行陲。14 课题陌用工具的选择论文的研究过程中，涉及了神经网络模型仿真、软件系统分析美计、软件开发等多方面的内容，这些工作基本上都在电脑上完成，需要采用软件开发等多方面的内容，这些工作基本上都在电脑上完成，需要采用基于人工神经网络的电力短期受荷预测系统研究的小波网络，从而到达全局最优的逼近效果。清华大学张伯明教授采用共轭梯度法训练预测系统的神经网络，在学习算法上有所突破J。团内著名人工智能学者蔡自兴教授则结合多层感知神经网络和多分辨率遗传算法来进行电力负荷预测【14 1。华

37、南理工大学的吴捷教授运用模糊逻辑利时序特性来进行最优模糊逻辑推理【1“，该系统的输入量通过对历史数据的自相关分析而建立，再通过最近邻聚类法对历史数据的学习得到若干数据对，进一步由最优模糊逻辑系统建立短期电力负荷的预测模型。国家电力科学研究院的胡兆光老师将A I 推理和模糊系统结合起来，建立A I 规则库对电力负荷进行预测，也取得了较好的效果f l6 1。1 3 本课题的主要工作本文在阅读大量相关文献资料的基础上，结合国内电力企业的现状，采用人工神经网络算法进行电力系统短期负荷预测，研究了基于人工神经网络的负荷预测模型，并开发实现了基于该模型的短期负荷预测系统原型。本人所作的工作主要有：1)选择

38、人工神经网络进行短期电力负荷预测。影响电力负荷的因素有很多，相互之间的关系错综复杂，是一种非线性关系。传统的预测方法难以处理这种非线性关系，因此预测精度都不高。人工神经网络具有很好的非线性处理能力，非常适合于处理这类预测问题。因此，初步确定采用人工神经网络进行负荷预测。2)采集国内某电力企业的历史负荷数据，并结合相关的气象数据，建立基于人工神经网络的负荷预测模型。通过对历史数据的分析，确定神经网络的结构与学习算法。通过M a t l a b 神经网络工具箱进行模型仿真计算，将预测结果与实际数据进行比较，确定神经网络算法的可行性。3)以面向对象的分析与设计方法为指导，开发实现了电力短期负荷预测系

39、统原型。本文对电力短期负荷系统进行详细的分析与设计，采用 a v a 语言编写代码，完成了电力短期负荷预测系统的原型，通过该原型的实现进一步证明了研究的可行性。1 4 课题所用工具的选择论文的研究过程中，涉及了神经网络模型仿真、软件系统分析设计、软件开发等多方面的内容，这些工作基本上都在电脑上完成，需要采用昆明理工大学硕士掌位论文多种软件进行协调配合。1 4 1 操作系统采用W i n d o w sX P 操作系统。W i n d o w sX P 是微软公司的桌面操作系统，具有运行稳定，使用方便，界面美观的优点。1 4 2 数据库采用A c c e s s2 0 0 0 数据库。A c c

40、 e s s 是微软公司的一款轻量级数据库产品，具有使用简单、方便的特点，对于S Q L(结构化查询语言)支持良好，资源占用较小。1 4 3 神经网络仿真采用M a t l a bR 6 5。M a t l a b 是一款强大的科学计算软件，矩阵计算能力十分优秀，同时还具有强大的仿真功能。M a t l a b 针对不同行业推出了扩展插件，其中之一的神经网络工具箱，是人工智能领域进行神经网络设计的强有力工具。1 4 4 软件系统分析设计采用R a t i o n a lR o s e2 0 0 2。R a t i o n a lR o s e 是I B M 公司的一款可视化建模工具，完整支持U

41、 M L(统一建模语言)1 4 规范，是系统分析与设计的良好工具。1 4 5 软件开发采用J B u i l d e r8。0。J B u i l d e r 是B o r l a n d 公司推出的j a v a 开发I D E(集成开发环境)产品，是J a v a 语言开发下最优秀的集成开发环境之。基于人工神经网络的电力短期负荷预测系统研究第二章人工神经网络原理21 人工神经网络的基本概念及特点21 1 人工神经网络的概念人工神经网络(A R T I F I C I A LN E U R A LN E T W O R K S)是一种以人类大脑神经网络为模拟对象的仿生系统。它是在深入研究入脑

42、神经网络的基础上，人工构造的、能够实现某种特定功能的网络，是理论化的人脑神经网络的数学模型，是模仿大脑神经网络结构和功能而建立的一种信息处理系统J。人工神经网络是由大量的简单元件相互连接而成的复杂网络，是具有高度非线性处理能力，能够进行复杂的逻辑操作和非线性关系实现的系统。经过半个多世纪的发展，人工神经网络技术已逐渐成熟，并成功的应用于模式识别、最优化问题求解、信息的智能化处理、复杂控制和信号处理等领域，取得了很好的效果1 1 7】。21 2 人工神经网络的特点由于吸取了生物神经网络的许多优点，相对于传统的信息处理系统来说，人工神经网络具有以下的特点 18 1：1 高度的非线性。人工神经网络特

43、别是多层次、非线性全连接的网络，其输入输出表现出非常显著的外部非线性关系。经证明，只要有足够数目的神经元，任何非线性连续函数都可以由一个三层网络以任意精度来近似表达。这种强大的非线性逼近能力，是神经网络最重要的性质之一。2 良好的自学习和自适应性。人工神经网络能够通过学习和训练来适应环境的变化。当外界环境发生变化时，经过一段时间的训练与学习，人工神经网络能自动调整网络结构和连接模式使得对于特定输入能够产生期望的输出。3 良好的容错性和联想记忆能力。人工神经网络通过自身的网络结构，能够实现对信息的记忆。而所记忆的信息是存储在神经元之间的权值中，是一种分布式的存储方式。即使部分信息丢失或模糊，也不

44、会从根本上影响网络的整体性能，从而表现出良好的容错性、很强的抗噪音能力和联想推广能力。网络一经训练成功，就可以正确的处理和训练样R昆明理工大学硕士学位论文本集相似的数据，在一定的误差范围内，还可以处理非完全数据，由局部联想到整体，表现出联想记忆的特征，适宜于处理知识背景不清楚、推理规则不明确的问题。5 高度的并行性。人工神经网络是由许多相同的简单处理单元组合而成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，却能够形成惊人的信息处理能力。2 2 人工神经网络原理2 2 1 生物神经元结构及工作原理根据1 9 世纪末创立的神经元学说，人类的大脑是由大约1 0“个神经元(即神经细胞)组成的

45、，每个神经元可以看作为一个小的处理单元。这些神经元按照某种方式互相连接起来，构成了大脑内部的生理神绎网络。各神经元之间连接的强弱，按照外部的激励信号作自适应变化，而每个神经元又随着接收到的多个激励信号的综合大小呈现兴奋或抑制状态引。根据现在的了解，大脑的学习过程就是神经元之间连接强度随外部激励信号做自适应变化的过程，大脑处理信息的结果由神经元的状态表现出来。显然，神经元是神经网络的最小组织单元 2 0 1。虽然神经元的类型有很多种，但其基本结构相似，如图2 1 所示。图2 1：生物神经元结构神经元是由细胞体、树突、轴突和突触四部分组成的。每个细胞体都有一个细胞核在进行着呼吸核新陈代谢等许多生化

46、过程。整个细胞的外部叫做细胞膜。从细胞体向外伸出许多树突和一条长的轴突，树突和轴突分别负责传入和传出兴奋或抑制信息到细胞体。神经元的树突较短，分支很多，是信息的输入端。轴突较长，是信息的输出端。突触是一个神经元和另一个神经元相联系的特殊部位，突触包括突触前、突触间隙基于人工神经网络的电力短期负荷预测系统研究和突触后三个部分。突触前是一个神经元的轴突末端部分。突触后是指第二个神经元的受体表面。突触前通过化学接触或者电接触，将信息传往突触后受体表面，实现神经元的信息传递。树突和轴突一一对接，靠突触把众多的神经元连成一个神经网络。神经网络系统对外界有兴奋和抑制两种反应，兴奋是指相对静止变为相对活动，

47、抑制是指相对活动变为相对静止。神经元之间信息的传递形式有正负两种连接。正连接呈相互激发，负连接呈相互抑制。各神经元之间的连接强度和极性可以有所巧j 同，并且都可进行调整，因此人脑才可以有存储信息的功能【2 1】。2，2 2 人工神经元模型人工神经元是对生物神经元的一种简化和模拟，可以看作是一个多输入、单输出的非线性元件 22 1。由于单个神经元的输出除了受输入信号的影响外，还要受到神经元内部其它因素的影响，所以在人工神经元的模型中，通常要加入一个额外的输入信号，称为偏差(b i a s)，有时也称为阀值。一个具有r 个输入分量的人工神经元模型如图2 2 所示。图2-2：简化的人工神经元模型其中

48、，输入分量P O=l，2，。r)通过与它相乘的权值分量w j(，=l，2，r)b H连，以W P J 的形式求和后，形成激活函数，()的输入。激活函数的另一个输入是神经元的偏差b。权值W，和输入P，的矩阵形式可以由W 的行矢量和P 的列矢量来表示：W=w。w：w，P=P。P：Pr 神经元模型的输出矢量可以表示为：A=，+P+6)=，f 窆w 炳+扫1J=lO昆明理工大学硕士学位论文!蔓-o!，-皂，-_ _ II _ _ _ _-_-I _ _-_-_-_ _ 一偏差被简单的加在W+P 上作为激活函数的另个输入分量。这里要重点讨论一下激活函数，因为它是神经元及神经网络的核，0。激活函数的基本作

49、用是：1)控制输入对输出的激活作用：2)对输入、输出进行函数转换：3)将可能无限域的输入变换成指定的有限范围内的输出。下面是几种常见的激活函数2 3 j：(1)阀值型这种函数将任意输入转化成0 或1 的输出，函数为单位阶跃函数。如图2 3，2 4 所示，具有此函数的神经元的输入、输出关系为：州叭班托并：谶t，。Itfo。：-誊I。：!jojt：“?蠢。I j I4o _。=：|_ 一n-_一，j j?，毫o_j。毫一私i j 1，j j。_：?ij 一。?：。|：-：o，ij?：=|，。一j：i|：。：0。j。|_ _ _ _ j i口：|i，|I Ij 一一一_ 一ii；7：。_。：o 手?

50、ij。-蔓_、一fi。|j3 一Ij弗，2 I=|。一毒一_。0 j 善i-=I o。0j一i 奠j：0。一j j，_?。j。o j，7|?。0|。-：?：图2 3：不带偏差的阀值型激活函数图2-4：带偏差的阀值型激活函数(2)线性型线性激活函数使网络的输出等于加权输入与偏差之和2-6 所示。此函数的输入输出关系为：A=，+P+6)=w4 P+b基于人工神经网络的电力短期负荷预测系统研究l07)鬈i 夕。一0r 夕O：。I-。：tZ。l I 罗bO一-。|。j-0_图2 5：不带偏差的线性激活函数图2 6：带偏差的线性檄活函数(3)S i g m o i d 型S i g m o i d 型激