短期電力負(fù)荷預(yù)測器設(shè)計

1、短期電力負(fù)荷預(yù)測器設(shè)計The Design of Short Term Power Load Prediction畢業(yè)設(shè)計任務(wù)書一、設(shè)計內(nèi)容結(jié)合人工神經(jīng)網(wǎng)絡(luò)模型的特點和學(xué)習(xí)方式，根據(jù)其學(xué)習(xí)方法，編寫算法進(jìn)行MATLAB仿真，對仿真預(yù)測結(jié)果的精度進(jìn)行分析。二、基本要求1選擇適合電力負(fù)荷預(yù)測的人工神經(jīng)網(wǎng)絡(luò)的模型。2利用MATLAB軟件用于人工神經(jīng)網(wǎng)絡(luò)模型的仿真。3得到仿真結(jié)果，對電力負(fù)荷預(yù)測結(jié)果的精度進(jìn)行分析。三、主要技術(shù)指標(biāo)利用現(xiàn)有的人工神經(jīng)網(wǎng)絡(luò)模型，編寫MATLAB程序，對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實現(xiàn)電力負(fù)荷預(yù)測。四、應(yīng)收集的資料及參考文獻(xiàn)1 韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計及應(yīng)用M. 北京:化學(xué)

2、工業(yè)出版社 2 周開利，康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計M. 北京: 清華大學(xué)出版社 3 朱大奇.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用M. 北京:科學(xué)出版社 五、進(jìn)度計劃 第1-2周 開題報告 第3-6周 人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容，仿真軟件的學(xué)習(xí) 第7周 中期檢查 第8-11周 用于電力負(fù)荷預(yù)測的MATLAB仿真 第12-13周 撰寫畢業(yè)設(shè)計說明書 第14-15周 答辯 教研室主任簽字時 間 年 月 日畢業(yè)設(shè)計開題報告題目短期電力負(fù)荷預(yù)測器設(shè)計1、 研究背景當(dāng)前，我國正處在一個嚴(yán)重的電力短缺時期。據(jù)有關(guān)部門統(tǒng)計，最近五年來，電力短缺己經(jīng)給國家?guī)砜傊导s為一萬億人民幣的直接和間接損失。全國范圍內(nèi)

3、的大規(guī)模拉閘限電，不僅嚴(yán)重影響了工業(yè)生產(chǎn)，給人民生活帶來極大的不便，還導(dǎo)致了一系列的社會問題。要解決電力短缺的問題，就要繼續(xù)深化電力市場改革。這就要求電力企業(yè)在現(xiàn)有的情況下深入挖掘自身潛力，合理的調(diào)度電力資源，盡量降低電力短缺所帶來的經(jīng)濟損失。對于電力企業(yè)來說，短期負(fù)荷預(yù)側(cè)是一項十分重要的工作。短斯負(fù)荷預(yù)測的結(jié)果，將對發(fā)電機組生產(chǎn)計劃的制定、水火發(fā)電的合理配置、燃料配置和安全分析設(shè)備的短期維修及電網(wǎng)能量的傳播等產(chǎn)生很大的影響。傳統(tǒng)的負(fù)荷預(yù)測都是人工完成的。預(yù)測人員通過歷史負(fù)荷數(shù)據(jù)，采用一定的預(yù)測算法加以計算，得到預(yù)測結(jié)果后，結(jié)合自己的經(jīng)驗加以修正，形成最后發(fā)布的預(yù)測數(shù)據(jù)。在整個過程中，歷史數(shù)據(jù)

4、的選擇，預(yù)測算法的選用和預(yù)測人員的經(jīng)驗，都會對預(yù)測結(jié)果產(chǎn)生很大的影響，預(yù)測的精度難以保證。因此，電力企業(yè)迫切需要建立自己電力負(fù)荷預(yù)測系統(tǒng)。這種系統(tǒng)必須能夠結(jié)合企業(yè)現(xiàn)有的資源，能夠克服人工預(yù)測的各種弊端，不僅要有較高的預(yù)測精度，還要有自動化和智能化的特性。2、 國內(nèi)外研究現(xiàn)狀1. 國內(nèi)研究現(xiàn)狀當(dāng)前國內(nèi)電力短期負(fù)荷預(yù)測研究也備受矚目，很多學(xué)者提出自己的看法。東南大學(xué)的單淵達(dá)教授采用徑向基函數(shù)(RBF)為神經(jīng)網(wǎng)絡(luò)預(yù)測系統(tǒng)前向網(wǎng)絡(luò)的學(xué)習(xí)提供了一種新穎而有效的手段。RBF網(wǎng)絡(luò)具有良好的推理能力，而且在學(xué)習(xí)方面比誤差反向傳播(BP)方法快得多。華北電力大學(xué)的牛東曉教授則引入了小波神經(jīng)元網(wǎng)絡(luò)電力負(fù)荷預(yù)測模型

5、。它以非線性小波基為神經(jīng)元函數(shù)，通過伸縮因子和平移因子計算小波基函數(shù)合成荃于人工神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測系統(tǒng)研究的小波網(wǎng)絡(luò)，從而到達(dá)全局最優(yōu)的逼近效果。清華大學(xué)張伯明教授采用共轆梯度法訓(xùn)練預(yù)測系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，在學(xué)習(xí)算法上有所突破。國內(nèi)著名人工智能學(xué)者蔡自興教授則結(jié)合多層感知神經(jīng)網(wǎng)絡(luò)和多分辨率遺傳算法來進(jìn)行電力負(fù)荷預(yù)測。華南理工大學(xué)的吳捷教授運用模糊邏輯和時序特性來進(jìn)行最優(yōu)模糊邏輯推理匯，該系統(tǒng)的輸入量通過對歷史數(shù)據(jù)的自相關(guān)分析而建立，再通過最近鄰聚類法對歷史數(shù)據(jù)的學(xué)習(xí)得到若干數(shù)據(jù)對，進(jìn)一步由最優(yōu)模糊邏輯系統(tǒng)建立短期電力負(fù)荷的預(yù)測模型。國家電力科學(xué)研究院的胡兆光老師將AI推理和模糊系統(tǒng)結(jié)合起來

6、，建立AI規(guī)則庫對電力負(fù)荷進(jìn)預(yù)測，也取得了較好的效果。2. 國外研究現(xiàn)狀西方發(fā)達(dá)國家如美國、英國隨著電力市場的日益成熟，電力供應(yīng)商為了獲取最大利潤，十分重視電力負(fù)荷預(yù)測工作。為此，科研工作者一直在研究電力負(fù)荷預(yù)測的新方法以提高預(yù)測精度。自從美國學(xué)者Park.D.C等人提出使用神經(jīng)網(wǎng)絡(luò)預(yù)測電力負(fù)荷以來，人們對此表現(xiàn)出廣泛的關(guān)注。在此基礎(chǔ)上，美國的Khotanzad博士領(lǐng)導(dǎo)的科研小組經(jīng)過幾年的艱苦研究，提出了人工神經(jīng)網(wǎng)絡(luò)電力負(fù)荷短期預(yù)測系統(tǒng)(ANNSTLF)。這個系統(tǒng)己經(jīng)在實用化方面取得了空前的成功。北美洲有35個大發(fā)電系統(tǒng)(公司)，根據(jù)天氣預(yù)報、工業(yè)和居民用電統(tǒng)計資料，利用ANNSTLF系統(tǒng)預(yù)測

7、發(fā)電站必須提供的發(fā)電量，大大提高了電站的經(jīng)濟效益和安全運轉(zhuǎn)系數(shù)。但該系統(tǒng)有一個弱點，即不能處理不確定性信息，且需要大量的歷史數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)。三、主要工作和所采用的方法、手段1. 主要工作在閱讀大量相關(guān)文獻(xiàn)資料的基礎(chǔ)上，結(jié)合國內(nèi)電力企業(yè)的現(xiàn)狀，采用人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測，研究了基于人工神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測模型，并開發(fā)實現(xiàn)了基于該模型的短期負(fù)荷預(yù)測系統(tǒng)原型。2. 采用的方法、手段(1)選擇人工神經(jīng)網(wǎng)絡(luò)進(jìn)行短期電力負(fù)荷預(yù)測。影響電力負(fù)荷的因素有很多，相互之間的關(guān)系錯綜復(fù)雜，是一種非線性關(guān)系。傳統(tǒng)的預(yù)測方法難以處理這種非線性關(guān)系，因此預(yù)測精度都不高。人工神經(jīng)網(wǎng)絡(luò)具有很好的非線性一處

8、理能力，非常適合于處理這類預(yù)測問題。因此，初步確定采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測。(2)采集國內(nèi)某電力企業(yè)的歷史負(fù)荷數(shù)據(jù)，建立基于人工神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測模型。通過對歷史數(shù)據(jù)的分析，確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí)算法。通過Matlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行模型仿真計算，將預(yù)測結(jié)果與實際數(shù)據(jù)進(jìn)行比較，確定神經(jīng)網(wǎng)算法的可行性。四、預(yù)期結(jié)果可以進(jìn)行電力系統(tǒng)的短期負(fù)荷預(yù)測。相對于傳統(tǒng)的人工預(yù)測來說，預(yù)測結(jié)果的精度會有很大程度的提高，完全能夠滿足企業(yè)的生產(chǎn)需要，證明人工神經(jīng)網(wǎng)絡(luò)在電力短期負(fù)荷預(yù)測領(lǐng)域的有效性、可行性。指導(dǎo)教師簽字時 間 年 月 日摘要傳統(tǒng)的短期電力負(fù)荷的預(yù)測往往存在幾個特點，預(yù)測結(jié)果不準(zhǔn)確，預(yù)測條件復(fù)

9、雜多變，預(yù)測時間緩慢、周期長，需要多種方案作為技術(shù)支持。因此在相關(guān)預(yù)測技術(shù)的不斷發(fā)展下，人工神經(jīng)網(wǎng)絡(luò)作為一種優(yōu)秀的預(yù)測和逼近算法被引用到電力負(fù)荷預(yù)測當(dāng)中，獲得了巨大的成功。對于BP神經(jīng)網(wǎng)絡(luò)來說，首先載入訓(xùn)練數(shù)據(jù)，接著輸入測試數(shù)據(jù)，將數(shù)據(jù)歸一化后開始訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練1500次。訓(xùn)練結(jié)束后，保存網(wǎng)絡(luò)。然后調(diào)用保存的網(wǎng)絡(luò)進(jìn)行預(yù)測，繪制神經(jīng)網(wǎng)絡(luò)預(yù)測圖，以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線。而對于RBF神經(jīng)網(wǎng)絡(luò)來說，依舊是載入訓(xùn)練數(shù)據(jù)，接著輸入測試數(shù)據(jù)，歸一化后設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)，訓(xùn)練后做一次仿真。訓(xùn)練結(jié)束后，保存網(wǎng)絡(luò)。然后調(diào)用保存的網(wǎng)絡(luò)進(jìn)行預(yù)測，繪制神經(jīng)網(wǎng)絡(luò)預(yù)測圖，以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線。在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，盡可能

10、多的覆蓋負(fù)荷值的樣本，而且把訓(xùn)練得到的網(wǎng)絡(luò)權(quán)值保存起來。這樣做使得訓(xùn)練得到的網(wǎng)絡(luò)通用性會增強，同時可以方便用戶在近期進(jìn)行預(yù)測時隨時取用。關(guān)鍵詞：電力負(fù)荷神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)權(quán)值A(chǔ)bstractThere are several features in the way of forecasting of traditional short-term power load forecasting, prediction results are not accurate to predict complex and changeable, prediction time is slow, long cycl

11、e and need a variety of programs as a technical support. So in the development of correlation forecasting technology, artificial neural network is a kind of excellent forecasting and approaching algorithm, which is cited to power load forecasting, and has got great success.對于BP神經(jīng)網(wǎng)絡(luò)來說，首先載入訓(xùn)練數(shù)據(jù)，接著輸入測試

12、數(shù)據(jù)，將數(shù)據(jù)歸一化后開始訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練1500次。訓(xùn)練結(jié)束后，保存網(wǎng)絡(luò)。然后調(diào)用保存的網(wǎng)絡(luò)進(jìn)行預(yù)測，繪制神經(jīng)網(wǎng)絡(luò)預(yù)測圖，以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線。而對于RFB神經(jīng)網(wǎng)絡(luò)來說，依舊是載入訓(xùn)練數(shù)據(jù)，接著輸入測試數(shù)據(jù)，歸一化后設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)，訓(xùn)練后做一次仿真。訓(xùn)練結(jié)束后，保存網(wǎng)絡(luò)。然后調(diào)用保存的網(wǎng)絡(luò)進(jìn)行預(yù)測，繪制神經(jīng)網(wǎng)絡(luò)預(yù)測圖，以及神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線。As the BP neural network, the first, loading data of training, then, inputing the data of test, training network after analys

13、is of data, training 1500 times. After the training, save the network. Then call the saved network to predict, draw the neural network forecast map, and neural network training error curve. For the RBF neural network, it is still loading training data, and then the input of the test data, after the

14、normalized set of neural network parameters, after training to do a simulation. After the training, save the network. Then call the saved network to predict, draw the neural network forecast map, and neural network training error curve.在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練時，盡可能多的覆蓋負(fù)荷值的樣本，而且把訓(xùn)練得到的網(wǎng)絡(luò)權(quán)值保存起來。這樣做使得訓(xùn)練得到的網(wǎng)絡(luò)通用性會增強，同時可以

15、方便用戶在近期進(jìn)行預(yù)測時隨時取用。When the network is trained, the sample of the load value can be as much as possible, and the weights of the network are preserved. This makes the training of the network will be enhanced, while the user can easily predict when the user at any time to use.Key Words: Electric lo

16、adNeural networkWeight of network目錄第1章緒論11.1研究背景11.2國內(nèi)外研究現(xiàn)狀11.3論文研究內(nèi)容3第2章短期電力負(fù)荷預(yù)測基本理論52.1電力負(fù)荷預(yù)測的分類52.1.1依照預(yù)測周期來分類52.1.2按行業(yè)分類52.1.3依照負(fù)荷預(yù)測特性分類62.2預(yù)測電力系統(tǒng)負(fù)荷基本原理62.3預(yù)測負(fù)荷基本模型7第3章神經(jīng)網(wǎng)絡(luò)算法83.1神經(jīng)網(wǎng)絡(luò)算法83.2BP神經(jīng)網(wǎng)絡(luò)模型93.2.1節(jié)點輸出模型93.2.2作用函數(shù)模型93.2.3誤差計算模型93.2.4自學(xué)習(xí)模型93.2.5BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用優(yōu)缺點及解決方法103.3RBF神經(jīng)網(wǎng)絡(luò)模型123.3.1RBF神經(jīng)網(wǎng)絡(luò)預(yù)測

17、的原理123.3.2基于RBF神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)數(shù)據(jù)歸一化133.3.3基于RBF神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測流程13第4章軟件介紹及仿真分析144.1MATLAB簡介144.1.1強大的處理能力154.1.2軟件程序接口以及發(fā)布154.2MATLAB軟件的結(jié)構(gòu)組成154.2.1MATLAB語言154.2.2軟件工作環(huán)境164.2.3圖形的操作模塊164.2.4MATLAB數(shù)據(jù)庫的功能特點164.3仿真過程分析164.3.1BP仿真過程及結(jié)果164.3.2RBF仿真過程及結(jié)果20第5章結(jié)論25致謝27附錄28附錄A外文資料28附錄B源程序38I石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計第1章緒論1.1

18、研究背景電力的短期負(fù)荷研究具有重大的意義，這是由于當(dāng)今市場經(jīng)濟的開放發(fā)展模式要求本設(shè)計對電力方面的短期負(fù)荷做出更高精度的準(zhǔn)確預(yù)測作為市場的指導(dǎo)方向。在我國開放式經(jīng)濟發(fā)展的大形勢下，短期負(fù)荷的預(yù)測結(jié)果直接關(guān)系到電力市場的相關(guān)決策，這是由于預(yù)測的結(jié)果關(guān)系到供需關(guān)系的分析結(jié)果，其精度的高低則決定著市場走向的優(yōu)劣，決定了市場消息的指導(dǎo)意義。在由市場進(jìn)行自由調(diào)控的環(huán)境下，只有實現(xiàn)對電力負(fù)荷的較精確預(yù)測才能夠有效地保障電力輸出系統(tǒng)和電力消費系統(tǒng)等相關(guān)實體的經(jīng)濟利益。國家對電力市場的要求是逐漸向透明化、市場化發(fā)展，因此更需要一個電力供需關(guān)系的有效參考依據(jù)，假如在今后的研究應(yīng)用中能夠比較準(zhǔn)確地進(jìn)行電力負(fù)荷的評

19、估預(yù)測，那么就能夠為市場競爭中的發(fā)電商提供競價依據(jù)，使得電力生產(chǎn)方和電力消耗方在進(jìn)行合同簽訂時對合同內(nèi)容進(jìn)行合理評估，使工程量和電力價格更趨于正確的市場走向，負(fù)荷市場規(guī)律，避免不必要的損失1。另外，在電力輸送過程中，對電力負(fù)荷進(jìn)行準(zhǔn)確有效的判斷能夠?qū)κ袌鲂枨筮M(jìn)行正確的分析，在保證用戶正常用電和電網(wǎng)安全運行的前提下盡量減小不必要的電力損耗，避免冗余的設(shè)備運行，降低生產(chǎn)運行的成本。而在電網(wǎng)之間進(jìn)行溝通合作時，準(zhǔn)確的負(fù)荷預(yù)測則能夠為雙方提供比較公平的參照標(biāo)準(zhǔn)。在大的電力市場環(huán)境中，電力負(fù)荷預(yù)測可以為投資者提供較有說服力的決策依據(jù)。因此可以說負(fù)荷預(yù)測的結(jié)果在一定程度上影響了市場的走向和電力交易的的市場

20、基礎(chǔ)，是一項影響到電力相關(guān)行業(yè)經(jīng)濟利益的預(yù)測工作。1.2國內(nèi)外研究現(xiàn)狀電力負(fù)荷的研究方向主要分為三個方面，即電力負(fù)荷的預(yù)測影響因素、相關(guān)數(shù)學(xué)模型的設(shè)計建立、相關(guān)算法的研究和應(yīng)用。這三個研究方向中又以算法的改進(jìn)和創(chuàng)新為主，因為隨著計算機技術(shù)的不斷發(fā)展使得算法的更新和仿真更方便簡捷，促使了各種新型預(yù)測算法技術(shù)的產(chǎn)生，同時也推進(jìn)了相關(guān)數(shù)學(xué)理論知識的發(fā)展2。在自動化、科技化發(fā)展的社會經(jīng)濟形勢下，要求本設(shè)計國家的電力系統(tǒng)改變傳統(tǒng)運營模式，不斷改革創(chuàng)新，向著自動化的運營和管理模式發(fā)展。在這個前提下，人們逐漸開始重視對電力系統(tǒng)的短期負(fù)荷進(jìn)行預(yù)測分析。長久以來，短期電力負(fù)荷都是電力生產(chǎn)部門中調(diào)度運營等相關(guān)部門

21、負(fù)責(zé)的一項非常重要的工作任務(wù)。通過對電力負(fù)荷的分析預(yù)測，能夠有針對性地調(diào)整生產(chǎn)單位的運行規(guī)模、確定電網(wǎng)系統(tǒng)的安全系數(shù)、維持系統(tǒng)間資金流向的合理性。與此同時，電力負(fù)荷的預(yù)測準(zhǔn)確性也是考核電廠電網(wǎng)等企事業(yè)單位現(xiàn)代化合理化發(fā)展的一個重要參照標(biāo)準(zhǔn)。隨著國民經(jīng)濟的騰飛，社會各個領(lǐng)域的用電量在不斷發(fā)生變化，電力市場需要一種更為合理更為科學(xué)的管理運營模式，所以對電力負(fù)荷預(yù)測的研究是本設(shè)計電力相關(guān)專業(yè)的重要研究任務(wù)。傳統(tǒng)的短期電力負(fù)荷的預(yù)測往往存在幾個特點，預(yù)測結(jié)果不準(zhǔn)確，預(yù)測條件復(fù)雜多變，預(yù)測時間緩慢、周期長，需要多種方案作為技術(shù)支持。因此在相關(guān)預(yù)測技術(shù)的不斷發(fā)展下，研究人員將先進(jìn)科學(xué)的一些算法函數(shù)引進(jìn)到電

22、力系統(tǒng)的預(yù)測工作中，比如人工神經(jīng)網(wǎng)絡(luò)技術(shù)、最小絕對值濾波算法等技術(shù)。這些技術(shù)的引入使的原本復(fù)雜多變的天氣、環(huán)境等復(fù)雜影響因素的檢測和排除成為了可能3。電力負(fù)荷的預(yù)測工作中存在很多復(fù)雜多變的影響因素，所以使用常規(guī)的定量分析很難對復(fù)雜的無規(guī)律影響因素進(jìn)行有效的描述，無法通過常規(guī)方式尋找一種通用規(guī)律作為預(yù)測依據(jù)?，F(xiàn)有電力體系中的電力負(fù)荷預(yù)測在很大程度上依賴于相關(guān)工作人員的分析經(jīng)驗，根據(jù)市場規(guī)律和工作經(jīng)驗提出的一種人工預(yù)測方法。一些歐美發(fā)達(dá)國家是最早開始重視電力系統(tǒng)負(fù)荷預(yù)測分析工作的，這是由于這些發(fā)達(dá)國家工業(yè)化、自動化發(fā)展較快，電力市場的成熟也較早，有相關(guān)技術(shù)作為有利支持，電力工作者為了將電力系統(tǒng)中的

23、效益最大化而將提高電力負(fù)荷預(yù)測精度作為一個重要研究目標(biāo)。上世紀(jì)90年代，隨著計算機算法技術(shù)的普遍推廣，神經(jīng)網(wǎng)絡(luò)技術(shù)深入到工業(yè)科學(xué)的各個領(lǐng)域，1991年最早由美國科學(xué)家Park等人提出神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用，由于神經(jīng)網(wǎng)絡(luò)技術(shù)的引入獲得了顯著的研究促進(jìn)效果，越來越多的人開始關(guān)注新技術(shù)在電力負(fù)荷中的應(yīng)用。在這個基礎(chǔ)上，美國的很多科研機構(gòu)開始研究神經(jīng)網(wǎng)絡(luò)的應(yīng)用，其中Khotanzad博士所提出的人工神經(jīng)網(wǎng)絡(luò)電力負(fù)荷短期預(yù)測系統(tǒng)由于設(shè)計較合理，得到了較好的實用效果，已經(jīng)得到了廣泛的應(yīng)用。該系統(tǒng)已經(jīng)應(yīng)用在北美的大部分發(fā)電系統(tǒng)中，在系統(tǒng)訓(xùn)練中引入了大量的天氣數(shù)據(jù)，工業(yè)和民用電量數(shù)據(jù)作為學(xué)習(xí)樣本，

24、提高了預(yù)測系統(tǒng)的準(zhǔn)確性。通過準(zhǔn)確的預(yù)測，大大地提高了相關(guān)企業(yè)的經(jīng)濟效益，提高了生產(chǎn)安全系數(shù)。但是該系統(tǒng)有一定的局限性，對于龐大的電力系統(tǒng)中隨機出現(xiàn)的無序信息不能夠有效的處理，而且該系統(tǒng)在設(shè)計和應(yīng)用過程中都需要整理非常龐大的數(shù)據(jù)庫來對系統(tǒng)進(jìn)行訓(xùn)練，使其具有有效的算法規(guī)則4。而我國的電力負(fù)荷研究起步較晚，數(shù)據(jù)庫整理方面明顯不足，不能形成大型的完整的數(shù)據(jù)庫進(jìn)行訓(xùn)練，所以該系統(tǒng)雖然在美國獲得了很大的成功，但在我國引進(jìn)使用時在信息方面會有很大的阻力。隨著算法函數(shù)的不斷擴展，Hiroyuki等科學(xué)家將自適應(yīng)模糊算法引入到負(fù)荷預(yù)測的設(shè)計研究中。Srinivasan等人則將模糊神經(jīng)的不需要龐大數(shù)據(jù)庫支持的算法

25、應(yīng)用到電力負(fù)荷系統(tǒng)中。這些方法的引用使的電力系統(tǒng)預(yù)測設(shè)計變得更有選擇性，而我國人口分布不均勻，各地區(qū)間由于經(jīng)濟差距產(chǎn)生了電力供需的不平衡關(guān)系，在負(fù)荷研究過程中面臨更復(fù)雜多變的形勢，需要根據(jù)特殊情況選取有針對性的算法作為系統(tǒng)支持。近年來我國經(jīng)濟呈快速增長的趨勢，在金融、經(jīng)濟、工業(yè)、電力等方面都取得了長足的進(jìn)步。這意味著本設(shè)計需要對經(jīng)濟社會的各個領(lǐng)域進(jìn)行科學(xué)的管理。所以在這個時期我國的科研機構(gòu)及相關(guān)科研人員在電力負(fù)荷預(yù)測的研究方面取得了不同程度的成果。例如東南大學(xué)的單淵達(dá)教授根據(jù)自己的研究經(jīng)驗，將RBF 神經(jīng)網(wǎng)絡(luò)應(yīng)用到該類型系統(tǒng)中，這是一種前向網(wǎng)絡(luò)學(xué)習(xí)方式，對預(yù)測系統(tǒng)的研究提出了有效的預(yù)測可能。該

26、算法在推理方面的能力較好，且在學(xué)習(xí)訓(xùn)練方面具有較好的運算速度。牛東曉教授以及他的科研團隊將小波神經(jīng)元網(wǎng)絡(luò)算法應(yīng)用到電力負(fù)荷預(yù)測的系統(tǒng)設(shè)計中。以非線性小波算法作為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)是對小波函數(shù)中的因子進(jìn)行伸縮或平移處理從而使的系統(tǒng)具有更好的逼近效果。清華大學(xué)的張伯明教授科研團隊則采用共轆梯度算法作為預(yù)測系統(tǒng)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式，在算法的學(xué)習(xí)方面有了新的進(jìn)展。我國著名的神經(jīng)網(wǎng)絡(luò)相關(guān)學(xué)者蔡自興在系統(tǒng)設(shè)計中采用了多層感知形式的神經(jīng)網(wǎng)絡(luò)以及多分辨率的遺傳算法5。華南理工吳捷教授科研團隊引用了應(yīng)用效果較好的模糊邏輯進(jìn)行推理算法，選取時序特性進(jìn)行最優(yōu)處理，在其團隊研究的預(yù)測系統(tǒng)中輸入模塊是根據(jù)歷史采集數(shù)據(jù)庫而進(jìn)行

27、調(diào)整，根據(jù)其子相關(guān)程度而建立。之后通過近鄰聚類分析使用歷史數(shù)據(jù)庫作為訓(xùn)練依據(jù)，根據(jù)最優(yōu)化模糊逼近建立逼近效果較好的電力負(fù)荷預(yù)測模型。以胡兆光教授為代表的電科院科研團隊將較先進(jìn)的AI算法以及模糊預(yù)測相結(jié)合，建立了新型的以AI邏輯作為逼近規(guī)則的預(yù)測系統(tǒng)，該系統(tǒng)在應(yīng)用也有較好的適用性。1.3論文研究內(nèi)容首先，介紹國內(nèi)外預(yù)測方法的發(fā)展過程及研究現(xiàn)狀，對常用的幾種短期負(fù)荷預(yù)測方法進(jìn)行分析比較，通過對各種方法優(yōu)缺點的比較，結(jié)合某地區(qū)的電力負(fù)荷變化特性選擇BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型作為短期電力負(fù)荷預(yù)測的方法。其次，對BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行深入的研究，進(jìn)行針對特定地區(qū)的電力負(fù)荷建立BP

28、網(wǎng)絡(luò)以及RBF網(wǎng)絡(luò)預(yù)測模型的研究。并且不斷分析和改善在用BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行短期負(fù)荷預(yù)測時存在的問題，為BP神經(jīng)網(wǎng)以及RBF神經(jīng)網(wǎng)絡(luò)絡(luò)泛化能力和負(fù)荷預(yù)測精度的提高奠定基礎(chǔ)。最后，根據(jù)以上的研究編寫B(tài)P神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)實現(xiàn)電力系統(tǒng)短期負(fù)荷預(yù)測的程序，軟件通過調(diào)試，達(dá)到預(yù)期的精度要求和使用要求。第2章短期電力負(fù)荷預(yù)測基本理論2.1電力負(fù)荷預(yù)測的分類 目前我國在電建電力方面采用類型分法千奇百怪，每種類型的方法根據(jù)研究目的不同，可用于各行各業(yè)。其主要方法有，預(yù)測其特殊性，預(yù)測其周期、大千世界各行各業(yè)等等。2.1.1依照預(yù)測周期來分類 電力系統(tǒng)負(fù)荷預(yù)測目前可以按預(yù)測周期能分成幾種

29、不同類型的負(fù)荷預(yù)測，即超短期負(fù)荷預(yù)測、短期負(fù)荷預(yù)測、中期負(fù)荷預(yù)測以及長期負(fù)荷預(yù)測6。 工作時間長負(fù)荷預(yù)測是說能預(yù)測前十年的負(fù)荷，其之間的時間差段為一年，這個工作負(fù)荷，純屬電網(wǎng)設(shè)計部門依據(jù)民生、民態(tài)以及生活前景的發(fā)展態(tài)勢和對用電負(fù)荷的供需，做出的電網(wǎng)改造和擴建工作的宏偉計劃。一方面針對短期負(fù)荷的估算，必須做到對電網(wǎng)負(fù)荷變化規(guī)律的充足的研究，另一方面對負(fù)荷的相關(guān)因子做出充足的分析和研究。更針對目前大氣環(huán)境那些變化的氣象原因，日照類型以及短期負(fù)荷變化的相互依賴的關(guān)系?？捎靡罁?jù)：德珥菲法、專家系統(tǒng)法， 作為那些超長期負(fù)荷預(yù)測法7。(1)基于長、短期之間的估算將來1至12月的負(fù)荷值負(fù)荷預(yù)測，估算的時差段

30、為一個月，其作用是大壩水庫調(diào)度、車間機組檢修、大型企業(yè)轉(zhuǎn)換計劃、燃料計劃等。 總之，介于長、短期之間的負(fù)荷預(yù)測合適的辦法為：回歸分析法、專家系統(tǒng)法。(2)針對那些超短期負(fù)荷估算將來1至60分鐘的負(fù)荷值，其估算的時差為1至5分鐘，其用圖是負(fù)荷頻率操作、安全因素監(jiān)視、預(yù)防系統(tǒng)的控制、出現(xiàn)緊急狀況的應(yīng)急等。針對那些短期負(fù)荷估算將來1至7天的負(fù)荷，估算的時差段是15分、30分或60分，其作用是統(tǒng)籌部署工作計劃，內(nèi)容囊括：火電發(fā)電出力分配、水、火電的之間內(nèi)部協(xié)調(diào)、機組效益組合、互換功率計劃等8。另外針對那些超短期負(fù)荷估算可行的辦法是：時間有序分析法、灰色模型法、回歸分析法、神經(jīng)網(wǎng)絡(luò)法、還有人工智能網(wǎng)絡(luò)技

31、術(shù)等等。2.1.2按行業(yè)分類 負(fù)荷估算按類，按照居住類別和區(qū)域，分成城鎮(zhèn)市民民用負(fù)荷、商業(yè)負(fù)荷、鄉(xiāng)村負(fù)荷、工業(yè)負(fù)荷以及各行各業(yè)負(fù)荷的負(fù)荷估算。綜上所述，城鎮(zhèn)市民民用負(fù)荷估算，其實說城市居民的家庭使用用電負(fù)荷估算；商業(yè)負(fù)荷估算以及工業(yè)負(fù)荷估算分為，在商業(yè)和工業(yè)這兩大區(qū)域的作業(yè)用電的負(fù)荷進(jìn)行估算；以及鄉(xiāng)村負(fù)荷分配電網(wǎng)策劃的回歸數(shù)據(jù)分析，來確定負(fù)荷估算辦法。探究負(fù)荷估算是指那些具有廣闊天地的鄉(xiāng)村，一切負(fù)荷(囊括鄉(xiāng)村居民用電、生產(chǎn)作業(yè)與排灌用電以及商業(yè)用電等)的估算；另外不同類型的估算，分別囊括行政用電(道路照明等)、以及政府部門的辦公、鐵路系統(tǒng)運行中路段與電車、軍事或國防等方面負(fù)荷的估算9。 2.1

32、.3依照負(fù)荷預(yù)測特性分類 如果按照負(fù)荷估算體現(xiàn)的不同特征，不同規(guī)格。完全能按類分成最高值負(fù)荷、最低值負(fù)荷、平均值負(fù)荷、高峰負(fù)荷值平均、負(fù)荷峰谷差、低谷負(fù)荷平均、平峰負(fù)荷平均、全網(wǎng)負(fù)荷、母線負(fù)荷、負(fù)荷率等不同類型的負(fù)荷估算，可以用來完成各行各業(yè)供電、用電的管理工作的督導(dǎo)和需求。2.2預(yù)測電力系統(tǒng)負(fù)荷基本原理 負(fù)荷估算工作完全是依據(jù)電力負(fù)荷的各種發(fā)展規(guī)律，來準(zhǔn)確判斷其將來前景以及發(fā)展態(tài)勢和活動規(guī)律，所以一定要高要求嚴(yán)標(biāo)準(zhǔn)的概括出估算工作的基本要理，用來督導(dǎo)負(fù)荷估算工作。但是因為負(fù)荷估算具有及其不確定性、條件性、時間性、多方案性等特性，組建負(fù)荷估算各種模型和實施估算辦法，通常情況下，可按照如下幾個基

33、本原理： (1)可知性原理：其一是電力負(fù)荷的發(fā)展規(guī)律，完全能讓人類所認(rèn)可的它的未來規(guī)劃，發(fā)展前景和現(xiàn)狀。因為人類不僅可以認(rèn)知它的過去和現(xiàn)在，同時利用聰明才智，還可以依據(jù)它的過去和現(xiàn)在來推算出它的未來。這將是一個偉大的創(chuàng)舉，意味這負(fù)荷估算活動的基本原理誕生了。(2)可能性原理：本設(shè)計的生活是受規(guī)律的制約，世界萬物的發(fā)展變化是受其事物的內(nèi)因和外因的影響，內(nèi)因是受外因的變化而變化，內(nèi)因和外因是相輔相成的10。外因是通過內(nèi)因而變化的，所以電力系統(tǒng)負(fù)荷的估算，也受規(guī)律的制約，必須依照其規(guī)律的發(fā)展變化的而變化，它會隨著其變化，靈活機動，進(jìn)行多方多案來估算的。 (3)全面性原理：估算是從過往的歷史的來估算將

34、來，所以一定要做到估算量的歷史行為中完全囊括了完全的信息。假使歷史的行為，沒有預(yù)測到全部各種影響原因，讓歷史行為記載的單單是部分卻不是內(nèi)容的全部，因此而得到的結(jié)果自然會出現(xiàn)各種蔽端和問題。序列估算技術(shù)完全是根據(jù)完全性原理產(chǎn)生的，如果其從單純的估算量本身的歷史行為來考究，那準(zhǔn)確地找到其內(nèi)在的、隱蔽性強的規(guī)律，來估算其量的歷史行為的規(guī)律性就越強，順其自然地得到的序列預(yù)測技術(shù)的精確度絕對高。2.3預(yù)測負(fù)荷基本模型 負(fù)荷預(yù)測是依據(jù)負(fù)荷過往的各種歷史材料，成立標(biāo)準(zhǔn)的數(shù)學(xué)模型對將來的負(fù)荷進(jìn)行估算。一般在對電力系統(tǒng)的短期負(fù)荷估算時，按照負(fù)荷變化的特性和規(guī)律，既要做到理性分析、同時還要掌握其發(fā)展規(guī)律，做到統(tǒng)籌

35、兼顧面面俱到?；谟绊戨娏ω?fù)荷的因素，電力負(fù)荷的預(yù)測模型，大體可分成四個分量模型情況如下： H(t)=A(t)+B(t)+C(t)+D(t) H(t)：時刻t的總負(fù)荷； A(t)：時刻t的基本正常負(fù)荷分量； B(t)：時刻t的天氣敏感負(fù)荷分量； C(t)：時刻t的特別事件負(fù)荷分量； D(t)：時刻t的隨機負(fù)荷分量；綜上所述，各種負(fù)荷分量，針對日負(fù)荷估算，氣象原因影響明顯，假設(shè)準(zhǔn)備預(yù)測明天的和今日屬于同種類型日量，那次日預(yù)測的氣象因素和今天會存在特別明顯的差別，其結(jié)果是，明天的負(fù)荷和今天會產(chǎn)生不同程度的數(shù)據(jù)報告。其次，對于時間負(fù)荷分量完全屬于非常規(guī)性的負(fù)荷變動，最好先預(yù)測出待預(yù)測日特別事件會出現(xiàn)

36、的時刻，還有那些對負(fù)荷有影響程度的值，才會改正預(yù)測的負(fù)荷的準(zhǔn)確性，最后一定能獲得精準(zhǔn)的預(yù)測值11。第3章神經(jīng)網(wǎng)絡(luò)算法3.1神經(jīng)網(wǎng)絡(luò)算法人工神經(jīng)網(wǎng)絡(luò)(ANN)算法被認(rèn)為是短期負(fù)荷預(yù)測最為理想的方法之一人工神經(jīng)網(wǎng)絡(luò)是由處理單元組成的一種并行、分布式信息來處理結(jié)構(gòu)，處理單元之間可以按連接的單向信道相互連接。人工神經(jīng)是神經(jīng)網(wǎng)絡(luò)的基本計算單元，它模擬了人腦中神經(jīng)元的基本特征，一般是多輸入、單輸出的非線性單元，可以有一定內(nèi)部狀態(tài)和閾值。在短期負(fù)荷預(yù)測的研究中，應(yīng)用最多的神經(jīng)網(wǎng)格模型是BP(反向傳播)算法，它是多層感知器的一種有效學(xué)習(xí)算法，它把一組樣本的輸入輸出問題變成非線性優(yōu)化問題，使用了最優(yōu)化問題和其中

37、最普遍的梯度下降算法，用迭代算法求解權(quán)值，加入隱節(jié)點使優(yōu)化問題的可調(diào)參數(shù)增加，從而可得到精確解。BP網(wǎng)絡(luò)如圖3-1所示。輸出層隱層輸入層圖3-1BP網(wǎng)絡(luò)結(jié)構(gòu)圖人工神經(jīng)網(wǎng)絡(luò)方法能夠充分逼近任意復(fù)雜的非線性關(guān)系，而且可以不必預(yù)先知道輸入量和預(yù)測值之間的數(shù)學(xué)關(guān)系模型，因此可以方便地考慮溫度、濕度、風(fēng)力、降雨量、電價等對電力系統(tǒng)負(fù)荷起影響的因素。另外神經(jīng)網(wǎng)絡(luò)還具有聯(lián)想記憶的功能，即使輸入一個從未訓(xùn)練的輸入信息，它也能找到相應(yīng)的輸入。但是神經(jīng)網(wǎng)絡(luò)也有自身的缺點，在訓(xùn)練過程中，常用訓(xùn)練算法收斂速度緩慢、容易陷入局部極小的缺點。解決的辦法是用不同的初值對權(quán)值初始化，對網(wǎng)絡(luò)多次訓(xùn)練，直到每次訓(xùn)練后的誤差基本穩(wěn)

38、定，此時可認(rèn)為網(wǎng)絡(luò)已收斂于全局極小點12。為此，許多研究者利用最優(yōu)化方法提出了各種不同的改進(jìn)BP算法，如動量法、共軛梯度法等，但大都基于克服訓(xùn)練錯誤。從概率統(tǒng)計的角度說，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法采用經(jīng)驗風(fēng)險最小化原理(ERM)，僅僅試圖使經(jīng)驗風(fēng)險最小化，并沒有使期望風(fēng)險最小化，與傳統(tǒng)的最小二乘法相比，在原理上缺乏實質(zhì)性的突破，同時也缺乏理論依據(jù)。總之，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法缺乏定量的分析與機理完備的理論結(jié)果。3.2BP神經(jīng)網(wǎng)絡(luò)模型 采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行短期電力負(fù)荷預(yù)測，首先需要建立BP神經(jīng)網(wǎng)絡(luò)模型，模型包括節(jié)點輸出模型、作用函數(shù)模型、誤差計算模型和自學(xué)習(xí)模型。3.2.1節(jié)點輸出模型 隱節(jié)點輸出模型如式(3

39、-1)所示： (3-1)輸出節(jié)點輸出模型如式(3-2)所示： (3-2)f：非線形作用函數(shù)；q：神經(jīng)單元閾值。3.2.2作用函數(shù)模型 作用函數(shù)，又稱為刺激函數(shù)，它的作用是反映下層輸入對上層節(jié)點的刺激脈沖強度，取值一般為0至1之間的連續(xù)取值Sigmoid函數(shù)，計算公式如式(3-3)所示： (3-3)3.2.3誤差計算模型 誤差計算模型是反映神經(jīng)網(wǎng)絡(luò)期望輸出與計算輸出之間誤差大小的函數(shù)，計算如式(3-4)所示： (3-4)tpi：i節(jié)點的期望輸出值；Opi：i節(jié)點計算輸出值。3.2.4自學(xué)習(xí)模型 本設(shè)計神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程，就是求取下層節(jié)點和上層節(jié)點之間的權(quán)重矩陣，以及不斷的誤差修正的過程。BP網(wǎng)絡(luò)

40、的學(xué)習(xí)方式分為兩種，有師學(xué)習(xí)方式，顧名思義，該種方式需要設(shè)定期望值；無師學(xué)習(xí)方式，該種方式則不需要輸入期望值，只要有輸入模式的區(qū)分就可以。自學(xué)習(xí)的模型為式(3-5)所示： (3-5)h：學(xué)習(xí)因子；i：輸出節(jié)點i的計算誤差；Oj：輸出節(jié)點j的計算輸出；：動量因子。3.2.5BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用優(yōu)缺點及解決方法隨著智能化技術(shù)的不斷發(fā)展，人工的技術(shù)發(fā)展形勢正在逐漸被智能化形式所取代，網(wǎng)絡(luò)及自動化技術(shù)正在逐步進(jìn)駐到企業(yè)生產(chǎn)的各個領(lǐng)域。BP神經(jīng)網(wǎng)絡(luò)就是一種被廣泛應(yīng)用到相關(guān)各個行業(yè)的先進(jìn)的網(wǎng)絡(luò)技術(shù)。BP神經(jīng)網(wǎng)絡(luò)的推廣應(yīng)用取得了巨大的成效，在本設(shè)計中所重點研究的造價分析就可以利用這種網(wǎng)絡(luò)技術(shù)進(jìn)行優(yōu)化設(shè)計和智能

41、化改進(jìn)。由現(xiàn)有的神經(jīng)網(wǎng)絡(luò)應(yīng)用實例可以看出，BP網(wǎng)絡(luò)設(shè)計方式能給為設(shè)計者提供便捷的使用特性和非常準(zhǔn)確的設(shè)計效果。對于造價研究人員來說，造價的預(yù)算過程是非常繁復(fù)且容易出錯的設(shè)計過程，如果能夠有效地引入BP網(wǎng)絡(luò)作為技術(shù)支持，那么就能夠大大減輕相關(guān)工作人員的日常工作量，由于網(wǎng)絡(luò)技術(shù)的準(zhǔn)確性能夠減少預(yù)算過程中的人為失誤，減少施工方的投資預(yù)算錯誤。那么如何才能使用先進(jìn)的網(wǎng)絡(luò)技術(shù)準(zhǔn)確有效地代替常規(guī)的造價估算體系呢？神經(jīng)網(wǎng)絡(luò)技術(shù)在現(xiàn)有的應(yīng)用中存在哪些優(yōu)缺點，本設(shè)計應(yīng)當(dāng)有針對性的進(jìn)行校正和改進(jìn)。由BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用歷史來看，該技術(shù)具有幾個明顯的優(yōu)勢：(1)BP神經(jīng)網(wǎng)絡(luò)通常是作為一種數(shù)學(xué)函數(shù)功能出現(xiàn)在相關(guān)的軟件應(yīng)

42、用中，其實質(zhì)是由輸入模塊到輸出模塊中的一種映射運算過程。經(jīng)過理論驗證和實際應(yīng)用，該技術(shù)能夠?qū)崿F(xiàn)任意形式的復(fù)雜形勢或者非線性的運算過程。其強大的數(shù)學(xué)運算能力，造就了該技術(shù)能夠適應(yīng)一些復(fù)雜地內(nèi)部機制求解問題，對于本設(shè)計所研究的工程造價系統(tǒng)研發(fā)也具有比較好的適用性。(2)BP神經(jīng)網(wǎng)絡(luò)具有良好的自我訓(xùn)練能力，能夠借助于具有正確性的已有樣本進(jìn)行學(xué)習(xí)和訓(xùn)練，不斷校正運算過程，最終提出最符合運算要求的運算規(guī)則，求得合適的權(quán)值。所以說該神經(jīng)網(wǎng)絡(luò)技術(shù)在應(yīng)用中具有很好的可信度。(3)BP神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行有效地概括、且有良好的推廣性能。其數(shù)據(jù)運算是根據(jù)正確樣本進(jìn)行訓(xùn)練得出的，因而其運算過程是值得信賴的，在推廣方面可

43、以有效應(yīng)用，且能夠根據(jù)已有條件概括得出新條件下的最優(yōu)結(jié)果。BP神經(jīng)網(wǎng)絡(luò)作為一項先進(jìn)的計算機技術(shù)同樣具有其需要注意的局限性：(1)神經(jīng)網(wǎng)絡(luò)的自我訓(xùn)練學(xué)習(xí)過程比較緩慢。這是由于以下幾個原因造成的。該算法使用的是一種呈梯度下降的模式，當(dāng)算法所針對的目標(biāo)函數(shù)比較復(fù)雜時，其優(yōu)化過程是一種鋸齒形的優(yōu)化模式，也就是說計算機運算結(jié)果出現(xiàn)走形，導(dǎo)致整體算法效果降低；根據(jù)目標(biāo)函數(shù)的復(fù)雜性，在某些特殊運算過程中，在一些得到0輸出的區(qū)域內(nèi)，權(quán)值變化會變的非常不明顯，對于訓(xùn)練過程不利；為了獲得有效的學(xué)習(xí)訓(xùn)練，需要隨時根據(jù)需要增加補償規(guī)則，對整個網(wǎng)絡(luò)進(jìn)行校正訓(xùn)練，這有別與傳統(tǒng)方式的搜索迭代，這樣的算法有更強的準(zhǔn)確性但是運

44、算效率較低。(2)BP算法具有準(zhǔn)確有效的訓(xùn)練過程，但同時也有較高的訓(xùn)練失敗概率。失敗的原因從數(shù)學(xué)角度來看是由于該算法的優(yōu)化模式屬于對局部進(jìn)行搜索的方式，而其針對的問題又往往是較復(fù)雜的非線性函數(shù)全局機制求解，因此運算進(jìn)行過程中容易進(jìn)入局部運算循環(huán)，導(dǎo)致最終的訓(xùn)練失敗。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果往往取決于其訓(xùn)練所使用的樣本的準(zhǔn)確度和數(shù)據(jù)量。而這個學(xué)習(xí)樣本的選取和校正是一個比較重要且困難的過程。(3)神經(jīng)網(wǎng)絡(luò)作為一種以計算機為載體的批量數(shù)據(jù)處理函數(shù)相對于常規(guī)的算法已經(jīng)有了長足的進(jìn)步，但其運算規(guī)模依然有著一定的局限性，當(dāng)實際工程造價體系的規(guī)模超過網(wǎng)絡(luò)所能承受的極限時，算法也會出現(xiàn)一定程度的失效。(4)神經(jīng)

45、網(wǎng)絡(luò)的推廣和預(yù)測能力好壞取決于其訓(xùn)練過程的嚴(yán)密性。當(dāng)網(wǎng)絡(luò)進(jìn)行過較好程度訓(xùn)練的條件下，往往具有較好的預(yù)測能力；假如訓(xùn)練過程不夠嚴(yán)密準(zhǔn)確，則其預(yù)測能力也會隨之降低。但這個趨勢是有一定局限性的，當(dāng)訓(xùn)練能力超過極限時，其預(yù)測的效果會出現(xiàn)反彈，也就是神經(jīng)網(wǎng)絡(luò)常見的過擬合現(xiàn)象。這種情況的產(chǎn)生原因是對于樣本細(xì)節(jié)的學(xué)習(xí)過度，對于樣本的總體趨勢和含義不能夠明顯體現(xiàn)?；谝陨纤岬降膸追NBP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點，在進(jìn)行本設(shè)計所設(shè)計的基于BP神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)估系統(tǒng)中需要結(jié)合實際情況進(jìn)行以下幾個改進(jìn)：(1)針對BP神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行復(fù)雜函數(shù)解算時會面臨的失效現(xiàn)象，即當(dāng)數(shù)據(jù)量過大超過網(wǎng)絡(luò)承受極限、函數(shù)圖像在繪制時出現(xiàn)錯誤

46、特征。造價設(shè)計人員在選擇該算法進(jìn)行工程預(yù)估時應(yīng)當(dāng)將工程細(xì)節(jié)的復(fù)雜程度考慮在內(nèi)，對于大型的、復(fù)雜的工程預(yù)算應(yīng)當(dāng)使用局部預(yù)估方法，以免出現(xiàn)崩潰現(xiàn)象。對于簡單的小型工程造價問題，則可以直接使用BP算法進(jìn)行預(yù)估?？偠灾趯嶋H應(yīng)用中應(yīng)當(dāng)注意工程的整體運算規(guī)模和網(wǎng)絡(luò)所能承受的規(guī)模大小的關(guān)系，保證運算規(guī)模在BP算法承受能力內(nèi)。(2)由于BP網(wǎng)絡(luò)的預(yù)估能力是決定于其訓(xùn)練過程的，所以對于訓(xùn)練樣本數(shù)據(jù)的采集十分重要。在樣本選取時首先要對工程模塊進(jìn)行分解，選取具有代表性和決定性的特征模塊作為關(guān)鍵要素，這樣做出的樣本才具有更好的真實趨勢。另外，選取已有的工程估價時一定要選取時間相近，特征相似的工程作為樣本。這個過

47、程中有必要的話需要做出相似評估，差距較大的工程不能互相作為樣本使用。(3)針對之前所介紹的神經(jīng)網(wǎng)絡(luò)過擬合現(xiàn)象，在造價預(yù)估過程中應(yīng)當(dāng)注意訓(xùn)練樣本的選擇應(yīng)當(dāng)具有針對性，避免過大數(shù)據(jù)量的引入。這就避免了BP網(wǎng)絡(luò)由于無關(guān)細(xì)節(jié)的影響而偏離了主要的樣本規(guī)律，進(jìn)而得到滿意的預(yù)估結(jié)果。3.3RBF神經(jīng)網(wǎng)絡(luò)模型3.3.1RBF神經(jīng)網(wǎng)絡(luò)預(yù)測的原理RBF神經(jīng)網(wǎng)絡(luò)是一種三層靜態(tài)前向網(wǎng)絡(luò)。第一層為輸入層，由信號源節(jié)點組成，輸入層的節(jié)點數(shù)由問題定義的輸入變量的數(shù)目來確定；第二層為隱含層其節(jié)點個數(shù)視所描述問題的復(fù)雜程度而定，隱含層的節(jié)點數(shù)也是 RBF 神經(jīng)網(wǎng)絡(luò)的一個重要研究課題；第三層為輸出層，它對輸入模式的作用做出響應(yīng)。

48、從輸入空間到隱含層空間的變換是非線性的，完成這種非線性變換的函數(shù)就是徑向基函數(shù)，而從隱含層空間到輸出層空間的變換是線性的13。這樣一來，網(wǎng)絡(luò)的權(quán)值就可由線性方程組直接解出或用RLS(recursive least squares)方法遞推計算出來，從而大大加快學(xué)習(xí)速度并避免了局部極小問題。RBF神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖3-2所示。輸出層隱含層輸入層圖3-2RBF神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖RBF神經(jīng)網(wǎng)絡(luò)輸出層函數(shù)為式(3-6)所示： (3-6)其中，表示基函數(shù)的中心，表示歐幾里得范數(shù)，為權(quán)值向量，表示為個徑向基函數(shù)的集合，一般常選擇用高斯函數(shù)作為基函數(shù)，則神經(jīng)網(wǎng)絡(luò)的第個隱含層節(jié)點輸出響應(yīng)為式(3-7)所

49、示： (3-7)RBF神經(jīng)網(wǎng)絡(luò)的相應(yīng)輸出層輸出為式(3-8)所示： (3-8) 其中，表示隱含層第個神經(jīng)元與輸出層第個神經(jīng)元的連接權(quán)值，為輸出層第個神經(jīng)元的閾值。3.3.2基于RBF神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)數(shù)據(jù)歸一化為避免出現(xiàn)神經(jīng)元飽和這一問題，在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前須對數(shù)據(jù)進(jìn)行處理，以消除原始數(shù)據(jù)形式不同帶來的不利。通常的方法是歸一化處理。研究表明，以恰當(dāng)?shù)姆绞綄?shù)據(jù)進(jìn)行歸一化處理可以加快神經(jīng)網(wǎng)絡(luò)收斂速度。本設(shè)計運用式(3-6)所示的線性變換0至1區(qū)間的方式對原始數(shù)據(jù)進(jìn)行歸一化處理，如式(3-9)所示： (3-9)式中：和分別表示歸一化之前和之后的樣本值；、分別為各參數(shù)變化的最小值和最大值。3

50、.3.3基于RBF神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測流程樣本輸入本次設(shè)計采取RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行的短期電力負(fù)荷預(yù)測，預(yù)測模型流程圖如圖3-3所示。訓(xùn)練網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)精度是否滿足要求樣本選擇輸出圖3-3RBF神經(jīng)網(wǎng)絡(luò)預(yù)測流程圖第4章軟件介紹及仿真分析4.1MATLAB簡介MATLAB軟件是由美國mathworks公司研發(fā)推廣的一款主打產(chǎn)品，該產(chǎn)品的主要貢獻(xiàn)是將科研人員從繁雜重復(fù)的數(shù)學(xué)運算洞中解放了出來，并對科學(xué)研究的各個領(lǐng)域做出了極大的推動作用。該軟件的主要優(yōu)勢和特點在于以下幾點：相對于傳統(tǒng)數(shù)據(jù)處理模式具有更強的數(shù)值分析能力；在數(shù)值計算的過程中采用矩陣形式的數(shù)據(jù)類型，運算快速且準(zhǔn)確度高；對于經(jīng)過處理的圖

51、像數(shù)據(jù)可以進(jìn)行模擬仿真，進(jìn)行可視化處理；軟件具有豐富的自帶工具、打包有大量的常用典型算法，方便調(diào)用；具有專業(yè)的建模和仿真工具Simulink，方便了算法及應(yīng)用的建模仿真。隨著各個科學(xué)研究領(lǐng)域向著更快速化，高端化，高精度的發(fā)展方向進(jìn)行，如今更需要一種專門針對數(shù)據(jù)分析、數(shù)值計算的可靠、高效運算軟件作為運算基礎(chǔ)。如今比較流行且得到較好應(yīng)用效果的數(shù)學(xué)軟件有MATLAB，mathematica以及Maple。其中以Matlab的應(yīng)用范圍最為廣泛，其重要軟件功能在于對矩陣型數(shù)據(jù)的運算、對于分析對象進(jìn)行函數(shù)和數(shù)據(jù)圖的繪制、擬合算法中所用到的函數(shù)曲線，根據(jù)需要編輯相關(guān)算法，還可以通過該軟件進(jìn)行更友好直觀的交互

52、界面創(chuàng)立。MATLAB軟件所針對的數(shù)據(jù)處理單位是矩陣形式的，為了更好地于工業(yè)應(yīng)用和數(shù)學(xué)方法結(jié)合其指令表達(dá)形式具有更好的契合性和實用性。因此在編程或運行方面，MATLAB比C和FORTRAN等語言更加方便簡單容易上手，且直觀易懂。綜合這些優(yōu)點，MATLAB成為了當(dāng)今應(yīng)用軟件里比較成功的例子。MATLAB軟件當(dāng)中內(nèi)嵌了很多功能型工具，這些工具使用戶在調(diào)用已知的常用算法及函數(shù)時更加方便，其中更有專門針對圖形文件用戶界面的專業(yè)工具。這其中包括MATLAB桌面和命令窗口、編輯工具和調(diào)試工具、路徑的搜索工具、以及涌來瀏覽幫助和相關(guān)文件的瀏覽器。隨著MATLAB受到越來越多的關(guān)注和應(yīng)用，軟件本身也在不斷的進(jìn)

53、行升級改進(jìn)，根據(jù)客戶的需求不斷完善各方面的功能。在操作方面，軟件的用戶界面趨向于精致化和便捷化，操作界面類似于Windows界面，具有更強的人機交互性能。最新版本的軟件增強了聯(lián)機查詢和幫助的功能，更方便初學(xué)者的使用，也為老客戶解決難題時提供了方便。在編程方面，該軟件具有良好的調(diào)試功能，對于程序可以不經(jīng)調(diào)試直接運行，能夠及時地找出程序中的錯誤并指出錯誤的類型和原因。4.1.1強大的處理能力MATLAB軟件中集合打包了大量的經(jīng)過驗證的實用性常規(guī)算法。其中包括了600多個常用的工程類運算函數(shù)，可以在客戶進(jìn)行運算時最簡化算法編輯過程。其中的算法都是在工程或?qū)W術(shù)方面總結(jié)推理的研究成果，并且得到了實際驗證

54、以及兼容性的優(yōu)化。在一般情況下，用這些成熟算法能夠取代傳統(tǒng)編程語言的功能，如C和C+。在實現(xiàn)類似功能的前提下，使用MATLAB軟件進(jìn)行編程可以使工作量大大減小。MATLAB內(nèi)嵌函數(shù)不僅包括簡單基本的常用函數(shù)，而且也在不斷升級收錄復(fù)雜的應(yīng)用函數(shù)比如最小二乘、傅立葉變換以及矩陣運算等等。研發(fā)至今為止，MATLAB軟件已經(jīng)能夠基本實現(xiàn)對矩陣的運算、求解線性方程組、微分和偏微分方程的解算、數(shù)據(jù)統(tǒng)計、工程優(yōu)化、復(fù)數(shù)運算、三角函數(shù)運算、傅立葉變換、初等數(shù)學(xué)運算、多維數(shù)組運算以及大多數(shù)情況下的建模仿真。4.1.2軟件程序接口以及發(fā)布最新版本的MATLAB軟件可以通過自帶編譯器以及目標(biāo)軟件格式如C/C+的數(shù)據(jù)庫以及圖形庫，將通過簡單方法得到的MATLAB程序通過轉(zhuǎn)換處理得到可以獨立于MATLAB軟件運行的傳統(tǒng)編輯軟件程序如C/C+語言程序。甚至可以進(jìn)行能夠與MATLAB軟件進(jìn)行交互的C/C+代碼編寫。同時，該軟件的網(wǎng)頁服務(wù)功能還使的客戶可以在網(wǎng)絡(luò)上使用自己編輯的MATLAB相關(guān)程序。綜上所述，MATLAB軟件區(qū)別于其他軟件的最大特色就是軟件內(nèi)部內(nèi)嵌有大量的程序擴展系統(tǒng)以及大量的特殊的常用子程序(工具箱)。工具箱的加入極大的豐富了MATLAB的應(yīng)用范圍，工具箱是經(jīng)過多次驗證的專門對應(yīng)相關(guān)學(xué)科和應(yīng)用所定制的，主要針對的相關(guān)研究方向有小波分析、控制系