電力負(fù)荷預(yù)測方法(2015年撰寫)(共16頁)

1、 電力負(fù)荷預(yù)測(yc)方法朋友們大家好，很高興(goxng)與大家分享一下電力方面的知識。本節(jié)摘要(zhiyo)是：負(fù)荷預(yù)測方法可分為確定性負(fù)荷預(yù)測方法和不確定性負(fù)荷預(yù)測方法。確定性負(fù)荷預(yù)測方法是把電力負(fù)荷預(yù)測用一個(gè)或一組方程來描述，電力負(fù)荷與變量之間有明確的一一對應(yīng)關(guān)系，包括時(shí)間序列預(yù)測法、回歸分析法、經(jīng)典技術(shù)預(yù)測法、趨勢外推預(yù)測法等。不確定性預(yù)測方法基于類比對應(yīng)等關(guān)系進(jìn)行推理預(yù)測的，包括灰色理論預(yù)測法、專家系統(tǒng)法、模糊預(yù)測法、神經(jīng)網(wǎng)絡(luò)法、小波分析預(yù)測法等。關(guān)鍵字：電力 負(fù)荷 預(yù)測 方法.負(fù)荷預(yù)測是電力系統(tǒng)調(diào)度的一個(gè)重要組成部分，是電力交易的主要數(shù)據(jù)源，也是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的基礎(chǔ),任何時(shí)候,

2、電力負(fù)荷預(yù)測對電力系統(tǒng)規(guī)劃和運(yùn)行都極其重要。近幾年，隨著我國電力供需矛盾的突出集電力工業(yè)市場化運(yùn)營機(jī)制的推行，電力負(fù)荷預(yù)測的準(zhǔn)確度有待進(jìn)一步提高。負(fù)荷預(yù)測方法可分為確定性負(fù)荷預(yù)測方法和不確定性負(fù)荷預(yù)測方法。確定性負(fù)荷預(yù)測方法是把電力負(fù)荷預(yù)測用一個(gè)或一組方程來描述，電力負(fù)荷與變量之間有明確的一一對應(yīng)關(guān)系，包括時(shí)間序列預(yù)測法、回歸分析法、經(jīng)典技術(shù)預(yù)測法、趨勢外推預(yù)測法等。而為了解決實(shí)際電力負(fù)荷發(fā)展變化規(guī)律非常復(fù)雜不能用簡單的顯式數(shù)學(xué)方程來描述期間的對應(yīng)和相關(guān)這一問題，許多專家學(xué)者經(jīng)過不懈努力，把許多新的方法和理論引入到負(fù)荷預(yù)測中來，產(chǎn)生了一類基于類比對應(yīng)等關(guān)系進(jìn)行推理預(yù)測的不確定性預(yù)測方法。包括灰

3、色理論預(yù)測法、專家系統(tǒng)法、模糊預(yù)測法、神經(jīng)網(wǎng)絡(luò)法、小波分析預(yù)測法等。 確定性負(fù)荷預(yù)測(yc)方法一、時(shí)間(shjin)序列預(yù)測法時(shí)間序列分析法利用了電力負(fù)荷變動的慣性特征和時(shí)間上的延續(xù)性，通過對歷史數(shù)據(jù)時(shí)間序列的分析處理(chl)，確定其基本特征和變化規(guī)律，預(yù)測未來負(fù)荷。時(shí)間序列預(yù)測是依據(jù)電力負(fù)荷的歷史數(shù)據(jù)建立一個(gè)時(shí)間序列的數(shù)學(xué)模型，通過時(shí)間序列的數(shù)學(xué)模型可以描述這個(gè)時(shí)間序列變換的規(guī)律性，同時(shí)在數(shù)學(xué)模型的基礎(chǔ)上建立電力負(fù)荷預(yù)測的數(shù)學(xué)表達(dá)式，并對未來的負(fù)荷進(jìn)行預(yù)測。電力負(fù)荷時(shí)間序列預(yù)測方法主要包括自回歸AR（p）模型、滑動平均MA（q）模型和自回歸與滑動平均ARMA（p，q）模型等。 按照處理方

4、法不同，時(shí)間序列法分為確定時(shí)間序列分析法和隨機(jī)時(shí)間序列分析法。時(shí)間序列模型的缺點(diǎn)在于不能充分利用對負(fù)荷性能有很大影響的氣候信息和其他因素，導(dǎo)致了預(yù)報(bào)的不準(zhǔn)確和數(shù)據(jù)的不穩(wěn)定。該預(yù)測方法有個(gè)基本假定，即負(fù)荷過去的變化規(guī)律會持續(xù)到將來，所以當(dāng)研究對象在所選時(shí)間序列內(nèi)有特殊變化段，無適應(yīng)性規(guī)律可言時(shí)該預(yù)測方法不成立。二、回歸(hugu)分析法回歸分析法就是根據(jù)負(fù)荷過去的歷史資料(zlio)，建立可以分析的數(shù)學(xué)模型，對未來的負(fù)荷進(jìn)行預(yù)測。從數(shù)學(xué)上看，就是利用數(shù)理統(tǒng)計(jì)中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進(jìn)行分析，確定變量之間的相互關(guān)系，從而實(shí)現(xiàn)預(yù)測目的?；貧w(hugu)分析包括一元線性、多元線性和非線性

5、回歸法。一元線性回歸方程以y=abx表示，其中x為自變量，x為因變量；a，b為回歸系數(shù)。多元線性回歸方程為y=a0a1x1十a(chǎn)2x2十a(chǎn)nxn。非線性回歸方程因變量與自變量不是線性關(guān)系，如 y=aebx等，但許多經(jīng)過變換后仍可轉(zhuǎn)換為線性回歸方程。根據(jù)實(shí)際計(jì)算的情況，模型并非越多越好。有的模型雖對歷史數(shù)據(jù)擬合得很好，但并不適宜用作預(yù)測，如高次多項(xiàng)式。用回歸法預(yù)測負(fù)荷時(shí)，若取用過去若干年的歷史資料正處于發(fā)展上漲快的時(shí)期，則預(yù)測未來越來越快，反之，若取用下降時(shí)，則預(yù)測未來越來越慢。這種數(shù)學(xué)模型具有原理簡單，計(jì)算速度快，精度高的特點(diǎn)，在中短期的電力負(fù)荷預(yù)測中應(yīng)用較為廣泛。但其主要缺點(diǎn)為：規(guī)劃水平年的工

6、農(nóng)業(yè)總產(chǎn)值無法統(tǒng)計(jì)，而且采用這種方法可以預(yù)測出綜合用電負(fù)荷的水平，但無法實(shí)現(xiàn)對各供電區(qū)域負(fù)荷水平，因此無法進(jìn)行電網(wǎng)建設(shè)的規(guī)劃。三、經(jīng)典技術(shù)(jsh)預(yù)測法1、單耗(dn ho)法單耗法是根據(jù)第一、二、三產(chǎn)業(yè)每單位用電量創(chuàng)造的經(jīng)濟(jì)價(jià)值，從預(yù)測經(jīng)濟(jì)指標(biāo)推算用電需求量，加上居民生活用電量，構(gòu)成(guchng)全社會用電量。預(yù)測時(shí)，通過對過去的單位產(chǎn)值耗電量進(jìn)行統(tǒng)計(jì)分析，并結(jié)合產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，找出一定的規(guī)律，預(yù)測規(guī)劃期的一、二、三產(chǎn)業(yè)的綜合單耗，然后按國民經(jīng)濟(jì)和社會發(fā)展規(guī)劃的指標(biāo)，按單耗進(jìn)行預(yù)測。 這個(gè)方法是根據(jù)預(yù)測期的產(chǎn)品產(chǎn)量（或產(chǎn)值）和用電單耗計(jì)算需要的用電量，即AhQiUi式中 Ah某行業(yè)預(yù)測期的

7、需電量； Ui各種產(chǎn)品（產(chǎn)值）用電單耗； Qi各種產(chǎn)品產(chǎn)量（或產(chǎn)值）。當(dāng)分別算出各行業(yè)的需用電量之后，把它們相加，就可以得到全部行業(yè)的需用電量。這個(gè)方法適用于工業(yè)比重大的系統(tǒng)。單耗法的優(yōu)點(diǎn)是方法簡單，對短期負(fù)荷預(yù)測效果較好。缺點(diǎn)是需做大量細(xì)致的調(diào)研工作，比較籠統(tǒng)，很難反映現(xiàn)代經(jīng)濟(jì)、政治、氣候等條件的影響。2、負(fù)荷(fh)密度法 負(fù)荷(fh)密度一般以kW/km2表示。不同地區(qū)、不同功能的區(qū)域，負(fù)荷密度是不同的。利用負(fù)荷密度法，一般要將預(yù)測區(qū)域分成若干功能區(qū),如商業(yè)區(qū)、工業(yè)區(qū)、居住區(qū)、文教區(qū)等，然后根據(jù)區(qū)域的經(jīng)濟(jì)發(fā)展規(guī)劃(guhu)、人口規(guī)劃、居民收入水平增長情況等，參照本地區(qū)或國內(nèi)外類似地區(qū)的

8、用電水平，選擇一個(gè)合適的負(fù)荷密度指標(biāo)，推算功能區(qū)和整個(gè)預(yù)測區(qū)的用電負(fù)荷。計(jì)算公式是A=SD，其中S是土地面積，D是用電密度。該方法主要適用于土地規(guī)劃比較明確的城市區(qū)域。 3、彈性系數(shù)法 電力彈性系數(shù)是反映電力消費(fèi)的年平均增長率和國民經(jīng)濟(jì)的年平均增長率之間的關(guān)系的宏觀指標(biāo)。電力彈性系數(shù)可以用下面的公式來表示： E=Ky/Kx 式中E-為電力彈性系數(shù) Ky-為電力消費(fèi)年平均增長率 Kx-為國民經(jīng)濟(jì)年平均增長率 在市場經(jīng)濟(jì)條件下，電力彈性系數(shù)已經(jīng)變得捉摸不定，并且隨著科學(xué)技術(shù)的迅猛發(fā)展，節(jié)電技術(shù)和電力需求側(cè)管理，電力與經(jīng)濟(jì)的關(guān)系急劇變化，電力需求與經(jīng)濟(jì)發(fā)展的變化步伐嚴(yán)重失調(diào)，使得彈性系數(shù)難以捉摸，使

9、用彈性系數(shù)法預(yù)測電力需求難以得到滿意的效果，應(yīng)逐步淡化。 四、趨勢外推預(yù)測(yc)技術(shù)電力負(fù)荷雖有隨機(jī)、不確定的一面, 但卻有明顯的變化和發(fā)展趨勢。根據(jù)各行業(yè)負(fù)荷變化的規(guī)律, 運(yùn)用趨勢外推技術(shù)進(jìn)行負(fù)荷預(yù)測能夠(nnggu)得到較為理想的結(jié)果。外推法有線性趨勢預(yù)測、對數(shù)趨勢預(yù)測、二次曲線趨勢預(yù)測、多項(xiàng)式趨勢預(yù)測、季節(jié)型預(yù)測和累計(jì)預(yù)測等方法。外推法的優(yōu)點(diǎn)是只需要?dú)v史數(shù)據(jù)、所需的數(shù)據(jù)量較少。 不確定性預(yù)測(yc)方法1、灰色理論預(yù)測法所謂灰色系統(tǒng)是指信息部分明確、部分不明確的系統(tǒng)。灰色系統(tǒng)理論就是利用了部分明確的信息，通過形成必要的有限序列和微分方程，尋求各參數(shù)間的規(guī)律，從而推出不明確信息發(fā)展趨勢的

10、分析方法?；疑到y(tǒng)理論的形成是有過程的。早年鄧聚龍教授從事控制理論和模糊系統(tǒng)的研究，取得了許多成果。后來，他接受了全國糧食預(yù)測的課題，為了搞好預(yù)測工作，他研究了概率統(tǒng)計(jì)追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢，而時(shí)間序列法只致力于數(shù)據(jù)的擬合，不注重規(guī)律的發(fā)展。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長時(shí)期起作用的規(guī)律，于是進(jìn)行了用少量數(shù)據(jù)做微分方程建模的研究。這一工作開始并不順利，一時(shí)建立不起可供應(yīng)的模型。后來，他將歷史數(shù)據(jù)作了各種處理，找到了累加生成，發(fā)現(xiàn)累加生成曲線是近似的指數(shù)增長曲線，而指數(shù)增長正符合微分方程解的形式。在此基礎(chǔ)上，進(jìn)一步研究了離散函數(shù)光滑性，微分方程背景值、平射性等

11、一些基本問題，同時(shí)也考慮了有限和無限的相對性，定義了指標(biāo)集拓?fù)淇臻g的灰導(dǎo)數(shù)，最后解決了微分方程的建模問題。在灰色(hus)模型中，最具一般意義的模型是由個(gè)變量(binling)的階微分方程描述(mio sh)的模型，稱為模型，作為一種特例的模型可用下式表示： 式中，表示原始數(shù)據(jù)經(jīng)累加后生成的新數(shù)列；稱為模型的發(fā)展參數(shù)，反映及原始數(shù)列的發(fā)展趨勢；稱為模型的協(xié)調(diào)系數(shù)，反映數(shù)據(jù)間的變化關(guān)系。解上述微分方程，可以求得的預(yù)測模型為:以時(shí)間為序列的原始數(shù)據(jù)列是一個(gè)隨機(jī)過程，有時(shí)未必平穩(wěn)，所以要用數(shù)據(jù)累加，得到新的數(shù)據(jù)序列。經(jīng)過處理后的新序列，其隨機(jī)性被弱化了。該方法首先建立白化形式的微分方程，根據(jù)歷史統(tǒng)計(jì)

12、數(shù)據(jù)用最小二乘原理解得參數(shù)后，得到預(yù)測模型，按此模型就可進(jìn)行預(yù)測。2、 專家系統(tǒng)(zhun ji x tn)法專家系統(tǒng)是一個(gè)應(yīng)用基于知識的程序設(shè)計(jì)方案建立起來的計(jì)算機(jī)系統(tǒng)，它擁有某個(gè)(mu )特殊領(lǐng)域?qū)＜业闹R和經(jīng)驗(yàn)，并能像專家那樣運(yùn)用這些知識，通過推理，在該領(lǐng)域內(nèi)做出智能決策。所以，一個(gè)完整的專家系統(tǒng)是有四部分組成的，即知識庫、推理機(jī)、知識獲取部分和解釋界面。專家系統(tǒng)方法是對于數(shù)據(jù)庫里存放的過去幾年的負(fù)荷數(shù)據(jù)和天氣數(shù)據(jù)等進(jìn)行細(xì)致的分析，匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測人員的知識，提取有關(guān)規(guī)則。借助專家系統(tǒng)，負(fù)荷預(yù)測人員能識別預(yù)測日所屬的類型，考慮天氣因素對負(fù)荷預(yù)測的影響，按照一定的推理進(jìn)行負(fù)荷預(yù)測專家系

13、統(tǒng)技術(shù)用于中長期負(fù)荷預(yù)測時(shí)，能對所收集整理的常規(guī)(chnggu)的預(yù)測模型逐一進(jìn)行評估決策，快速地做出最佳預(yù)測結(jié)果，避免了人工推理的繁瑣和人為差錯(cuò)的出現(xiàn)，克服以往用單一模型進(jìn)行預(yù)測的片面性缺陷，但是對其提取有關(guān)規(guī)則較為困難，另外必須對多年的數(shù)據(jù)進(jìn)行調(diào)查、分析、提取，將花費(fèi)大量的人力、物力和財(cái)力。專家系統(tǒng)是具有人類專家的知識和經(jīng)驗(yàn)，能模擬人類專家的思維決策過程，對問題求解并給出相當(dāng)于專家水平的答案的計(jì)算機(jī)程序。同模糊預(yù)測法相比，其不僅能將人類不可量化的經(jīng)驗(yàn)進(jìn)行轉(zhuǎn)化，還具有較好的透明性和交互性，能解釋其得出結(jié)論的理由，便于專家檢查其推理過程中是否出錯(cuò)并進(jìn)行相應(yīng)的修改。但其運(yùn)算速度較慢，缺乏學(xué)習(xí)能力

14、和利用模糊知識的能力，過分依賴規(guī)則，而規(guī)則本身不具有普遍適應(yīng)性，預(yù)測模型不能推廣到所有的系統(tǒng)。3、 模糊(m hu)預(yù)測法模糊控制技術(shù)是在系統(tǒng)的控制中加入模糊數(shù)學(xué)理論，使其進(jìn)行確定性工作，可以對一些無法建立數(shù)學(xué)模型的系統(tǒng)進(jìn)行有效控制。模糊系統(tǒng)是一個(gè)非線性系統(tǒng)，不考慮計(jì)算過程，而是從輸入輸出的角度(jiod)進(jìn)行控制。對于一個(gè)非線性連續(xù)函數(shù)，模糊控制系統(tǒng)需要找出一類隸屬函數(shù)，一種推理規(guī)則和一個(gè)解模糊法，使設(shè)計(jì)的模糊系統(tǒng)能夠逼近所控制的非線性函數(shù)。用于電力系統(tǒng)負(fù)荷預(yù)測的模糊方法有模糊分行業(yè)用電模型、模糊線性回歸、模糊指數(shù)平滑、模糊聚類、模糊時(shí)間(shjin)序列模型等，這些模糊負(fù)荷預(yù)測模型是在原有

15、模型的基礎(chǔ)上結(jié)合模糊理論形成新的預(yù)測模型，能夠很好的處理帶有模糊性的變量，解決了在負(fù)荷預(yù)測中存在大量的模糊信息的難題，提高了電力系統(tǒng)中長期負(fù)荷預(yù)測的精度。模糊預(yù)測方法不是依據(jù)歷史數(shù)據(jù)的分析，而是考慮電力負(fù)荷與多因素的相關(guān)，將負(fù)荷與對應(yīng)環(huán)境作為一個(gè)數(shù)據(jù)整體進(jìn)行加工，得出負(fù)荷變化模式及對應(yīng)環(huán)境因素特征。從而將待測年環(huán)境因素與各歷史環(huán)境特征進(jìn)行比較，得出所求的負(fù)荷增長率。以下(yxi)是電力系統(tǒng)負(fù)荷預(yù)測幾種基本的模糊方法：模糊(m hu)聚類法 此方法采用電力負(fù)荷增長率作為被測量，調(diào)研后采取國內(nèi)生產(chǎn)總值（GDP）、人口(rnku)、農(nóng)業(yè)總產(chǎn)值、工業(yè)總產(chǎn)值、人均國民收入、人均電力等因素的增長率作為影響

16、電力負(fù)荷增長的環(huán)境因素，構(gòu)成一個(gè)總體環(huán)境。通過對歷史環(huán)境與歷史電力負(fù)荷總體的分類和及分類特征、環(huán)境特征的建立，進(jìn)一步由未來待測年份的環(huán)境因素對各歷史類的環(huán)境特征的識別，來選出與之最為接近的那類環(huán)境，得出所求電力負(fù)荷增長率。模糊線性回歸法該方法認(rèn)為觀察值和估計(jì)值之間的偏差是由系統(tǒng)的模糊性引起的?；貧w系數(shù)是模糊數(shù)預(yù)測的結(jié)果是帶有一定模糊幅度的模糊數(shù)。模糊指數(shù)平滑法是指在指數(shù)平滑模型的基礎(chǔ)上，將平滑系數(shù)模糊化，用指數(shù)平滑進(jìn)行預(yù)測。這種方法具有算法簡單、計(jì)算速度快、預(yù)測精度高、預(yù)測誤差小，尤其在原始數(shù)據(jù)存在不確定性和模糊性時(shí)，更具有優(yōu)越性。模糊相似優(yōu)先比法該方法是用相似優(yōu)先比來判斷哪種環(huán)境因素發(fā)展特征

17、與電力負(fù)荷的發(fā)展特征最為相似，選出優(yōu)勢因素后，通過待測年某因素與歷史年相同因素的貼近度選出與待測年貼近度最大的歷史年，并認(rèn)為這樣選中的歷史年電力負(fù)荷特征與待測年的電力負(fù)荷特征相同，從而得出預(yù)測負(fù)荷值與模糊聚類方法相比，該方法把影響電力負(fù)荷的多種因素“簡化”為一種主要因素，適用于某種特殊功能占主導(dǎo)地位的供電區(qū)域。模糊(m hu)最大貼近度法該方法的核心在于選定某種影響因素(如經(jīng)濟(jì)增長速度等)，通過比較所研究地區(qū)與各參考地區(qū)該因素接近的程度，選中與其最為貼近的參考地區(qū)，認(rèn)為該地區(qū)相應(yīng)的電力負(fù)荷發(fā)展規(guī)律與所研究地區(qū)對應(yīng)的電力負(fù)荷發(fā)展規(guī)律相同。該方法與前兩種模糊方法相比，不需要待測地區(qū)的歷史數(shù)據(jù)，也不

18、必通過識別歷史負(fù)荷數(shù)據(jù)的發(fā)展模式來進(jìn)行預(yù)測所以不必進(jìn)行歷史數(shù)據(jù)修正就可以直接完成預(yù)測工作同時(shí)，數(shù)據(jù)的收集和整理(zhngl)也遠(yuǎn)比前兩者方便。模糊預(yù)測法是基于模糊理論，將已有的工作的經(jīng)驗(yàn)、歷史的記錄數(shù)據(jù)或?qū)⒍叩木C合以規(guī)則的形式表達(dá)出來，并轉(zhuǎn)換成可以在計(jì)算機(jī)上運(yùn)行的算法，進(jìn)而完成各種工作任務(wù)。相比人工神經(jīng)網(wǎng)絡(luò)，該方法(fngf)能夠比較明確地描述專家的意圖，處理電力系統(tǒng)中許多不精確的、模糊的現(xiàn)象，還可以用于中長期負(fù)荷預(yù)測；但其學(xué)習(xí)能力較弱，受人為因素的影響較大。四、神經(jīng)網(wǎng)絡(luò)法神經(jīng)網(wǎng)絡(luò)是模仿人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和處理問題的非線性系統(tǒng)。它由若干個(gè)具有并行運(yùn)算功能的神經(jīng)元節(jié)點(diǎn)及連接它們的相應(yīng)的權(quán)值構(gòu)

19、成，通過激勵(lì)函數(shù)實(shí)現(xiàn)輸入變量到輸出變量之間的非線性映射。神經(jīng)網(wǎng)絡(luò)法是一種不依賴于模型的方法，它比較適合那些具有不確定性或高度非線性的對象，具有較強(qiáng)的適應(yīng)和學(xué)習(xí)功能。用于負(fù)荷預(yù)測時(shí)，神經(jīng)網(wǎng)絡(luò)法利用神經(jīng)網(wǎng)絡(luò)可以任意逼進(jìn)非線性系統(tǒng)的特性，對歷史的負(fù)荷曲線進(jìn)行擬合。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模分布式并行處理、非線性、自組織、自學(xué)習(xí)、聯(lián)想記憶等優(yōu)良特性，其在電力領(lǐng)域的應(yīng)用雖然解決了負(fù)荷預(yù)測中傳統(tǒng)方法未能解決的問題(wnt)，但有時(shí)應(yīng)用現(xiàn)有神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)際負(fù)荷預(yù)測時(shí)，預(yù)測精度還是難以達(dá)到要求。誤差反向傳播算法又稱為BP法，提出一個(gè)簡單的三層人工神經(jīng)網(wǎng)絡(luò)模型，就能實(shí)現(xiàn)(shxin)從輸入到輸出間非線性映射任何復(fù)雜

20、函數(shù)關(guān)系。負(fù)荷預(yù)測中常用的模型有Kohonen模型、BP模型、改進(jìn)的BP模型、RBF神經(jīng)網(wǎng)絡(luò)等。從已知數(shù)據(jù)確定權(quán)值是一個(gè)無約束最優(yōu)化問題，典型的算法是BP法，對于前饋神經(jīng)網(wǎng)絡(luò)模型還有很多其他權(quán)值修正法。BP網(wǎng)絡(luò)學(xué)習(xí)規(guī)則的指導(dǎo)思想:對網(wǎng)絡(luò)權(quán)值和閾值的修正要沿著表現(xiàn)函數(shù)下降最快的方向-負(fù)梯度方向. 其中(qzhng)是當(dāng)前的權(quán)值和閾值矩陣, 是當(dāng)前表現(xiàn)函數(shù)的梯度,是學(xué)習(xí)速度。神經(jīng)網(wǎng)絡(luò)理論是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能，讓計(jì)算機(jī)學(xué)習(xí)包含在歷史負(fù)荷數(shù)據(jù)中的映射關(guān)系，再利用這種映射關(guān)系預(yù)測未來負(fù)荷。由于該方法具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué)習(xí)能力，因此有很大的應(yīng)用市場，但其缺點(diǎn)是學(xué)習(xí)收

21、斂速度慢，可能收斂到局部最小點(diǎn)；并且知識表達(dá)困難，難以充分利用調(diào)度人員經(jīng)驗(yàn)中存在的模糊知識。五、小波分析(fnx)預(yù)測法小波分析(fnx)是一種時(shí)域頻域分析方法, 在時(shí)域和頻域上同時(shí)具有良好的局部化性質(zhì)。小波變換(binhun)能將各種交織在一起的不同頻率混合組成的信號,分解成不同頻帶上的塊信息。對負(fù)荷序列進(jìn)行正交小波變換, 投影到不同的尺度上, 各個(gè)尺度上的子序列分別代表原序列中不同“頻域”的分量, 可清楚地表現(xiàn)負(fù)荷序列的周期性。以此為基礎(chǔ), 對不同的子負(fù)荷序列分別進(jìn)行預(yù)測。由于各子序列周期性顯著, 采用周期自回歸模型會得到更為精確的預(yù)測結(jié)果。最后, 通過序列重組得到完整的小時(shí)負(fù)荷預(yù)測結(jié)果,

22、它要比直接用原負(fù)荷序列進(jìn)行預(yù)測來得精確。并且能根據(jù)信號頻率高低自動調(diào)節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細(xì)小部分。其優(yōu)于傳統(tǒng)的Fourier分析的主要之處在于：能對不同的頻率成分采用逐漸精細(xì)的采樣步長，從而可以聚焦到信號的任意細(xì)節(jié)，尤其是對奇異信號很敏感，能很好的處理微弱或突變的信號，其目標(biāo)是將一個(gè)信號的信息轉(zhuǎn)化成小波系數(shù)，從而能夠方便地加以處理、存儲、傳遞、分析或被用于重建原始信號。這些優(yōu)點(diǎn)決定了小波分析可以有效地應(yīng)用于負(fù)荷預(yù)測問題的研究。 電力負(fù)荷預(yù)測(yc)方法綜合與比較綜上分析比較上述的幾種預(yù)測方法，不確定性負(fù)荷預(yù)測方法較確定性預(yù)測精度上都有所改進(jìn)。但是不確定性負(fù)荷預(yù)測模型在應(yīng)用中由于參數(shù)選取的不確定性影響了它的預(yù)測精度，另一方面，雖然不確定性負(fù)荷預(yù)測方法針對提高歷史數(shù)據(jù)的擬合精度方面進(jìn)行了很多改進(jìn)，但是隨著社會經(jīng)濟(jì)的快速發(fā)展，統(tǒng)計(jì)方法對于不確定因素考慮不夠的缺陷日益顯著，其中歷史負(fù)荷數(shù)據(jù)的真實(shí)性就有待修正；同時(shí)，由于中長期電力負(fù)荷具有非線性和時(shí)變性，要通過清晰的數(shù)學(xué)方程來表達(dá)輸入）與輸出之間的關(guān)系存在著種