基于MATLAB的电力负荷短期预测模型研究

基于MATLAB的电力负荷短期预测模型研究

作者：闻珺 崔培东 李立军 来源：《科学与信息化》2018年第11期

摘 要 本文主要采用了BP神经网络法、Elman神经网络法及曲线拟合法对电力负荷进行短期预测。首先对收集到的数据进行筛选处理，用不同的方法进行预测，得出预测结果；接着对预测的结果进行分析得出其预测误差，比较并总结了各方法之间对短期电力负荷预测的精确度。对已有算法进行改进来增加其精确度和实用性。最后，得出自己对短期电力负荷预测的观点。

关键词 BP神经网络；Elman神经网络；曲线拟合；短期电力负荷预测；MATLAB 引言

短期负荷预测是电力系统运行与分析的基础，对机组组合、经济调度、安全校核等具有重要意义。提高负荷预测精度是保障电力系统优化决策科学性的重要手段。现代电力系统中，构成电力负荷的用电器种类繁多。考虑气象因素成为调度中心进一步改进负荷预测精度的主要手段之一[1]。短期电力负荷预测的意义主要表现在：

（1）电力市场采用分时电价的措施，使用户能够提前了解到用电高峰和低谷的出现的时间，合理安排用电、节约电能，短期电力负荷预测是必要的。

（2）在电网系统要求的安全范围内，为了经济、合理安排本电网中各发电机组的启动和停止，确保必需的旋转备用容量为最小成本，短期负荷预测是必要的。

（3）电网公司在计算其当日需要的发电量时，在合理调度发电量、满足运行方案的前提下，为了达到发电成本最小化的目的，需要参考短期电力负荷预测的预测结果。 2 BP神经网络在短期电力负荷的应用

网络的各个参数选择如下：历史负荷数据选取预测日之前的两个星期的每天96个点的平均负荷（对应于日用电量），选取神经网络输入层为10个节点。训练一个单隐层的三层BP网络。当隐层节点为15时，得到的结果较为合理。各隐含节点均采用x=-5的S型压缩函数[2]。

龙源期刊网 http://www.qikan.com.cn

初始权值的选择是影响该网络的训练趋向于可接受的误差最小的许多因素的一个。本模型选取网络的初始权值为，输入因素采用的主要是历史数据负荷。模型的输出为预测日的对应小时负荷。本文把所预测日作为一个模型加以讨论[3]。

选取训练次数为，隐层节点数选取，另外选取学习率。在本次预测中需要对实验结果进行比对，因此要用到相对误差和均方根误差。

我们采用2014年12月17日至12月30日的历史负荷数据作为本次设计的训练样本，预测2014年12月31日前3个小时的电力负荷。其预测结果如下表所示。均方根误差为1.66%。 3 Elman神经网络在短期电力负荷中的应用

根据收集到的数据，采用2014年1月1日到2014年2月28日共59天的电力负荷数据，数据为每日h，每15 min采样一个点，每天共采96个点。首先对数据进行处理，将各数值换算到区间，通过对输出数据的反归一化得到真实预测值与实际值间的对比[4]。

由于网络的输入数据是每6天的负荷数据，而每一天有96个数据，因此，输入数据为576个。网络的输出是第59天的负荷数据为96个。这样就确定了网络结构为576-n-96。 本模型隐含层传递函数选用sigmoid函数，训练函数采用traingdx函数。通过对n进行不同取值所得到均方误差最小值，可以确定隐含层的单元个数。

本文引进了平均绝对百分误差（MAPE）和Theil不等系数（TIC），并结合均方误差（MSE）3个指标对三种方法进行短期负荷的预测性能进行综合比对，实际预测效果见下表。通过比对可知：改进型Elman神经网络的预测精度最好[5]。 4 结束语

BP神经网络方案进行短期电力负荷预测时，引入大量的仿真经验，取得了小于3%的预测精度，能够满足电力系统运行调度的需要。说明神经网络用于电力负荷预测是完全可行的。 对于Elman神经网，扩展一个输出节点反馈层的方法，增强了Elman神经网络的动态性能，提高了模型的预测精度。基于改进后的模型，采用某地区实测的电力负荷数据进行验证，证明了该改进模型能够获得比BP和常规Elman更好的预测精度和更小的预测误差。 参考文献

[1] 牛东晓.电力负荷预测技术及其应用[M].北京：中国电力出版社，2009：55-56. [2] 苏宁.MATLAB 软件在电力负荷预测中的应用[J].华北电力技术，2007，（8）：16-19.

龙源期刊网 http://www.qikan.com.cn

[3] 楼顺天，姚若玉，沈俊霞.MATLAB 7.x程序设计语言[M].西安：西安电子科技大学出版社，2000：157.

[4] 张国忠，黄晓明，刘亚，等.人工神经网络在上海电力负荷预测中的应用[J].华东电力，2002，30（2）：7-9.

[5] 高峰，康重庆，程旭，等.短期负荷预测相关因素的自适应训练[J].电力系统自动化，2002，26（18）：6-10.