[发明专利]一种基于BP神经网络的多元电网负荷预测方法

说明书

本发明公开了一种基于BP神经网络的多元电网负荷预测方法，包括：从多元电网历史数据库中调用数据，建立BP神经网络样本输入变量数据数组；确定BP神经网络模型中隐含层神经元个数；计算BP神经网络模型中输出层的输出；计算BP神经网络样本训练的单个样本输出误差及所有样本输出总误差；判断样本训练结束条件；利用训练后的模型输出预测的负荷值。本发明的方法基于BP神经网络模型，具有较好的泛化性和收敛性，可更精确的满足实际预测要求。

技术领域

本发明属于智能电网调度技术领域，特别涉及一种基于BP神经网络的多元电网负荷预测方法。

背景技术

随着电网建设的规模越来越大，尤其是风、光电等多元电源的并网运行，造成电力系统规模和复杂性不断提高，电力系统短期负荷预测的准确与否对有效降低发电资费、实施各地区电力系统优化控制具有关键作用。随着电网信息化的不断完善，电网采集、存储的数据也日趋多元，基于历史数据对负荷进行预测已经成为了一个独立的、不可或缺的一部分，它是电力系统规划的前提性工作。其中，电力负荷预测主要是指对未来几小时、1天至几天的电力负荷进行预报，其既可以为电力系统的安全运行提供保障，同时也可以在市场环境下的电力系统进行编排调度计划和交易计划时提供辅助。一直以来，预测方法被认为是提高预测精度的最主要途径，许多学者在预测方法上面进行了大量的研究，提出了多种具有较好预测精度的模型。

负荷预测的方法很多，多集中于传统的预测方法，精确度及算法效率都有不同程度的问题。计算机软件技术及硬件性能的不断提升，新有有效的方法也越来越多。电网负荷预测，受温度、季节、节假日等因素影响大，属于动态非线性时间序列。电网数据库中存储的数据越来越多样化和全面，为目前比较新且成熟的神经网络算法进行负荷预测成为一种可能，也急需通过一种新的方法来提高负荷预测的准确度和效率。

发明内容

本发明的目的在于提供一种基于BP神经网络的多元电网负荷预测方法，以解决上述存在的技术问题。本发明的方法能够提高负荷预测的准确度和效率。

为达到上述目的，本发明采用以下技术方案：

一种基于BP神经网络的多元电网负荷预测方法，包括以下步骤：

步骤1，调用多元电网历史数据，确定BP神经网络的样本输入变量；

步骤2，根据步骤1确定的BP神经网络样本输入变量，确定BP神经网络模型中隐含层神经元个数；

步骤3，计算确定BP神经网络模型中输出层的输出；

步骤4，计算BP神经网络样本训练的单个样本输出误差及所有样本输出总误差；

步骤5，将步骤4获得的样本输出总误差与预设阈值比较，直至满足样本收敛结束条件，获得训练后的BP神经网络模型；

步骤6，根据预测日的实际数据生成测试输入量，将测试输入量输入步骤5获得的训练后的BP神经网络模型，输出即为预测的负荷值。

进一步的，步骤1具体为：从多元电网历史数据库中调用数据，建立BP神经网络样本输入变量数据数组：

负荷预测的输入变量X_k＝[x₁,x₂,…,x_n]；

其中，n的值为6，[x₁,x₂,…,x₆]分别是预测日前一天负荷值，以及预测日前一天的当日最高温度、当日最低温度、当日平均温度、当日天气情况和当日节假日类型。

进一步的，负荷预测的输入变量X_k＝[x₁,x₂,…,x_n]；