基于人工神经网络的短期居民用电负荷预测研究

朱雪雄

摘 要：短期居民用电负荷预测主要用于电力调度工作停电计划，以提高供电可靠度及居民用户满意度。本研究通过电力负荷与每日温度与历史负荷进行分析，提出一套基于人工神经网络的短期居民用电负荷预测模型。人工神经网络在负荷预测方面具有较高的可信度与精准度。

关键词：负荷预测；人工神经网络；短期；居民用电

中图分类号：TM73 文献标志码：A 文章编号：2095-2945（2017）23-0020-02

1 概述

对于电力系统来说，发电、输电、配电、用电同时进行，电力需求往往需要实时的生产与调度以适时适量地满足用户的需求。因此，如何掌握电力负荷的成长趋势，使得电力负荷与电能开发、调度能相互配合，以免造成电力供给的短缺，影响经济的发展。

预测指对未来事物可能变动的趋势，给予事前推测，便于系统管理者制定相关对应决策，其方法则须考虑准确性、实时性与实用性三个方面。负荷预测依预测时间的长短可分为长期负荷预测、中期负荷预测、短期负荷预测。短期负荷预测的预测时间从一天到几周，中期负荷预测的预测时间从数月到数年，而长期负荷预测的预测时间从一年到二十年。不同时间的负荷预测也应用于不同的电力系统分析，对于居民用电而言，短期负荷预测主要用于短期营运计划和近期设备维修计划、经济调度、机组协调、电力潮流分析，以提高供电可靠度及居民用户满意度。常见的负荷预测方法有传统的模拟法和单位耗电法，其中模拟法即是通过已知的用电负荷来推估未知或新的用电负荷。单位耗电法是透过用户的平均耗电量，再乘以预估的用电户数，来推算居民用电的总负荷量。另外还有移动平均法、指数平滑法、时间序列法、回归分析法、专家系统法、灰系统理论、模糊系统理论等方法。

由于短期居民用电负荷数据以曲线呈现，而人工神经网络法对于非线性预测有不错结果，故本文运用人工神经网络法进行预测。

2 人工神经网络

人工神经网络就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统。大脑是由大量神经细胞或神经元组成的。每个神经元可看作是一个小的处理单元，这些神经元按某种方式连接起来，形成大脑内部的生理神经元网络。这种神经元网络中各神经元之间联结的强弱，按外部的激励信号做自适应变化，而每个神经元又随着所接收到的多个接收信号的综合大小而呈现兴奋或抑制状态。人工神经网络可以以软件算法或电子线路仿效生物神经网络处理信息的系统。目前人工神经网络已被广泛运用于模式识别、人工智能、信号处理等领域。人工神经网络的按网络连接的拓扑结构如图1，分为输入层、隐含层、输出层。

3 預测模型

3.1 居民用电负荷分析

居民用电负荷具有季节性的周期变化趋势，各时段间负荷曲线具有相似的周期变化，因此可以归纳成春季、夏季、秋季、冬季四种不同的季节负荷型态。春、夏、秋、冬温度变化并不同，但是对于负荷变化影响却非常大。春季负荷缓慢上升、夏季负荷急速上升至高峰、秋季负荷快速下降、冬季负荷于低处向上波动。

在高温和低温时，空调使用量的多少，对负荷有绝对的影响。所以在作居民用电短期负荷预测时，温度是一项影响负荷相当重要的因素。此外历史负荷也会对居民用电负荷预测有重要影响。为此选用温度和历史负荷作为人工神经网络的输入。

3.2 人工神经网络预测模型建立

本研究人工神经网络预测模型模型如图2所示。

模型中取前一天的实时负荷数据和温度作为神经网络的样本数据。因此，输入变量就是历史负荷数据加上温度数据，预测日当天负荷值作为输出变量。神经网络的输入参数和输出参数有不同的基准，若实际的负荷数据不加处理直接使用，可能致使学习过程中结果不收敛，使模型失效。为避免出现这种情况，获得输入和输出变量后，对其进行归一化处理。用以下公式，输入和输出负荷数据归一到[0，1]之间。

4 结束语

短期负荷预测的目的是实时预测，而不是像中、长期负荷预测那样着重负荷的发展趋势。因为短期负荷受到气候因素影响，实际天气和负荷是呈现复杂的非线性关系，故要精确预测是非常困难的。为了解决这个问题，所以将人工神经网络概念导入电力负荷预测领域。

本研究通过基于神经网络的预测方法，在综合考虑由温度度与历史负荷来预测住居民用电负荷对未来负荷影响的因素后，使用了神经网络的非线性拟合等功能，取得了较好的负荷预测效果。

参考文献：

[1]余凤，徐晓钟.基于优化小波BP神经网络的燃气短期负荷预测[J].计算机仿真，2015，32（1）：372-376.

[2]陈旭.基于神经网络的电力系统短期负荷预测研究[D].华中科技大学，2015.

[3]丁坚勇，刘云.基于负荷特征提取的神经网络短期负荷预测[J].高电压技术，2004，30（12）：47-49.