APP下载

基于神经网络的用电预测研究

2019-09-11李婷婷

魅力中国 2019年35期
关键词:用电量权值电量

李婷婷

(河北省石家庄铁道大学,河北 石家庄 050043)

一、简介

现如今,电力在人们日常生活中越来越重要。由于用户的使用习惯有所区别,不同地区不同时段,电量的使用情况也会存在规律性变化,把握其内在规律,可以对某个地区人们用电情况提前预测,便于电力公司做出相应的规划。

二、研究背景

电量的使用情况,与温度和时间关系紧密。对于常温阶段,用电量较为平稳,属于基础电量;对于高温或者低温天气,存在空调用电等额外电量。对于工作日的不同、以及一天当中时间段的不同也会存在用的较大差异。如果需要进行拟合操作,可以对相同类别数据进行整理求其平均值、众数等指标,以此作为参数进行分析

三、模型建立与分析

对于18℃-25℃为温度影响平稳阶段,而小于18℃或大于25℃时为影响较大阶段,结合每天的最低气温和最高气温,用平均气温来预测当天的用电量,考虑到温度低时与温度高时对用电量的影响方式不同,将预测函数分为3个阶段的分段函数即小于18℃,在18℃和25℃之间,大于25℃。将每日用电量求出,然后拟合温度和用电量的函数关系式,找出温度和用电量的关系。分析每15分钟对应的用电量相对当日总用电量的关系,从而得知一天的平均温度,进而求出该日每15分钟的用电量。

神经网络中,进行各层之间关系的搭建是神经元传递的思想。从输出开始,读取数据;在中间层进行多次迭代,不断反馈,训练其相应参数;而后根据相应模型给出结果,进行输出。在隐含层中,处理信息需要添加阈值这一属性,这也是模仿生物大脑中的实际情况,对于达到一定阈值的内容,才会触发神经元,对其进行激活。在多次迭代过程中,为了降低损失函数的目标值,减小误差,BP网路的核心是采用梯度下降的原理,找出各个方向中偏导数最大的方向,沿着次方向进行调整,从而使得误差下降最快。

在训练过程中,可以引入激活函数,目的在于减小模型对数据的依赖程度,提高模型的鲁棒性,从而使得模型可以广泛的应用于各类数据上。

步骤一:准备训练网络的样本,用电量会受气温、季节、经济和人口等因素的影响,则这4个因子便是网络输入样本。用电量便是网络训练的输出样本。

步骤二:初始参数如表1

表1 训练参数表

步骤三:初始化一二层权值:Wij(t)=rand(12,4);二层阈值:Bij(t)=rand(12,1);二三层权值:Bjk(t)=rand(1,1)

步骤六:计算第二层输出,

步骤九:二三层权值和阈值调整量

步骤十:一二层权值和阈值调整量

步骤十一:前后时刻调整

四、结语

利用平均值代表温度水平,可能具有一定的局限性;可以在求出每天的最高用电时段用电量以及最低用电量时段用电量,相应的分析他们与最高温度和最低温度的关系;可以更准确的描述用电量与温度的关系。神经网络在一定程度上弥补了时间序列预测的不足。

猜你喜欢

用电量权值电量
02 国家能源局:1~7月全社会用电量同比增长3.4%
01 国家能源局:3月份全社会用电量同比增长3.5%
储存聊天记录用掉两个半三峡水电站电量
一种融合时间权值和用户行为序列的电影推荐模型
物联网智能燃气表电量自补给装置
基于5G MR实现Massive MIMO权值智能寻优的技术方案研究
基于功率的电量智能修复算法研究
国家能源局:3月份全社会用电量同比下降4.2%
强规划的最小期望权值求解算法∗
程序属性的检测与程序属性的分类