基于进化神经网络的短期电力负荷预测研究

2021-02-27唐诗

网络安全技术与应用 2021年2期

◆唐诗

基于进化神经网络的短期电力负荷预测研究

◆唐诗

（扬州大学江苏 225000）

电力负荷的预测影响着电力储蓄和输送的工作质量，所以提高电力负荷预测的精准度对提高电力部门的效率具有重要意义。随着时代的发展，电力系统的机构变得越来越复杂，电力负荷的形式也越来越多样化，像非线性变化、事变、和不确定变化越来越突出，为了适应这一变化，诞生了人工神经网络，与传统的预测方法相比较，人工神经网络预测的精准度更高、非线性映射、自学能力都得到了提高，为电力负荷预测做出了卓越的贡献。

神经网络；电力负荷；预测研究

这几年，电力负荷预测中广泛的使用BP网络，它具有自己独特的优势，可以完美的与电力预测的数据相结合，对一些数据非线性变化和不确定变化具有很好的分析处理能力，对电力负荷的预测具有很重要的价值。短期电力负荷预测是运营商向用户提供服务的基础，传统的电力负荷预测有SVM、回归法等预测方法，这些方法具有施工难度低、便于操作等特点，但是对电力负荷预测不是很精准，会影响运营商的基本判断，以至于造成用户流失等现象。而BP网络就很好地解决了这些问题，在电力负荷预测中能够确保预测的精度，对电力行业具有卓越的贡献。

1 神经网络负荷预测概述

短时间内电力系统负荷可以看作是一个时间序列。从算法的角度出发，会有两种预测的方式，一种是在参数基础上进行预测，另一种是不在参数额基础上进行预测，本篇文章所探讨的BP神经网络短期电力负荷预测是不在参数基础上进行预测的，这种预测方式的优点有，不用对模型信号进行假设，与使用参数的预测方法相比，其使用范围更广。在短期电力负荷预测中，把以前的负荷数据当作参考的依据，用来计算出未来发展的趋势，便于BP网络实现对数据的映射关系，适用于未来发展的趋势[1]。

2 负荷预测的应用价值

负荷在电力系统中作为重要的一项元素，对电力系统的整个运行起着不可或缺的影响作用。因此，电力系统负荷预测就由此发展起来了，通过对负荷做出一个判断和预估，从而更好地帮助电力系统稳定、安全的运行，尤其是在现如今的电力市场中，电力负荷预测更是拥有着巨大的研究价值。

因为电能的产生、运输、使用几乎都是在同时进行的，所以不能大面积存储，而且电能的使用关系着国计民生，与人们的生活息息相关。所以，电力系统内的可发电量应该在正常的输送条件下，都可以承受住负荷的要求，这样一来，就可避免掉突发的停电事故，也不会造成人们不能正常生活的现象出现。但是实际上，电网部门还是缺乏这部分意识的，在察觉到发电量不足时，才去采取措施补救，来增加输送量，这需要一个转换的过程，而且在等待转换的时间内也势必会带来或小或大的负面影响。因此，电网企业应该充分认识到负荷预测的应用价值，更是未来电网行业工作人员所具备的基础技能之一，对电力负荷数据的预测可以有效估计出各地区的电力发展水平和输送量，从而保障一方经济的平稳运行，也是促进国家电力系统又好又快发展的有力措施[2]。

3 负荷预测原理与步骤

（1）基本原理

电力负荷预测是根据现有的负荷数值及发展规律，来预判电力负荷在接下来的时间段里发展的趋势和一些变化情况，所以要对预测的原理进行科学的总结和规划，以此来更好完成预测工作。预测主要依靠这几种原理：可知、可能、连续、相似、反馈、系统等几种原理。

（2）基本步骤

首先，进行负荷预测要对负荷的预测目标有一个心理估算。其次将原来的预测数据收集并整理，同时进行分析，对一些没有利用价值的数据就可以进行筛选和剔除，以此来让后续的数据能够保持可靠和真实有用，从而确保预测的准确性。然后，统筹安排预测各环节，根据手上的资料和数据，选择合适的使用方法。最后，就是对预测的结果和数据进行研究分析，看各个因素对电力负荷预测结果的影响大小，及判断预测结果的精准性。

4 电力短期负荷预测对于电网的运行和优化具有重要作用

（1）优化电力调度方面

电力调度指的是电力公司根据实际的用电情况对电力进行调度分配，要想对调度进行优化就要做好负荷的预测，因为预测的结果数据能够直接反应调度的工作分配情况，所以，要对电力预测进行准确评估是电力调度的一项重要工作项目。在相关的规章制度中也明确地指出，工作人员在预测电力负荷、发电、运输等方面都要每天进行工作计划的编制，并严格按照计划执行。例如，发电站必须按照每天的发展日程运行，并按照日程安排进行电力调整等。

（2）保障电网的运行

随着各个行业的迅猛发展，国家经济、工业产量都得到的很大的提升，人们的生活水平也越来越高，对电的运用也越来越多，人们的生活已经离不开电，这就造成了电力行业的巨大压力。这就需要电力部门在电网安全的前提下，依据电力负荷预测的结果分析出实现电力系统高效控制办法，优化电资源，来保证电力的平衡。假如某一个地方发生电力事故，导致电力中断，让系统能够及时启动备用电源，减少损失，保障人民的安全用电。

（3）提升经济效益

经济的飞速发展和电力的使用增加，让供应和需求之间得不到一种平衡的状态，要想打破这种不平衡就需要准确的电力预测分析，才能解决各种突发事件，从而达到对各机组启动优化，节约成本，让电力部门的经济灵活性得到提升。同时，随着电力行业的改革发展，以及未来发展的形式，电力负荷预测结果的准确性直接影响着电力部门在未来电力行业竞争中的优势，是电力企业提高经济效益的重要手段之一。

5 神经网络基本原理

（1）神经网络的基本特性

神经网络是电力的动力系统，它具有高度非线性、规模大、连续时间等特点，它的主要作用体现在网络全局作用、大规模并行处理、学习能力以及时间非线性动力等方面，同时它也具备一般系统的非线性特征，所以说神经网络是电力上比较好的信息处理系统。

（2）BP网络

神经网络中对误差进行反向的传播，这就是BP网络，BP网络是1986年被提出的，它是一种单向多层前向网络。从结构上看，该网络是一个多层网络，分别为：输入、输出、隐藏层，它是可以通过学习来调整各个层的数值，它除了输入层外其他的层都是通过非线性单元输入的，当确定一个网络的输入模式时，它从输入层到隐藏层在传输到输出层，输出层在经过处理最终形成一个输出模式，这种模式就被称作是前向传播，在输出的过程中会产生一定的误差，误差会沿着各个层在进行传递，这就是后向传播，误差会在各个层之间被修正，就这样前向和后向传播在不断地循环，知道误差越来越小，满足需要，这时BP网络就可以使用了。

图1 传统BP网络神经结构

（3）BP算法

BP算法是以梯度下降法为基础的，利用其搜索，是网络的实际输出值和预计输出值将误差缩减为最小，其过程可以分为三个阶段。第一阶段：信息从输入层到输出层各个层计算的过程。第二阶段：根据输出层的网络输出和所需输出结果的误差调整信息，并将信息从输出层反馈到输入端的过程。第三阶段：根据调整后的网络重新训练样品的过程。

6 基于BP网络的短期负荷预测

（1）BP神经网络预测过程

在具体的实施过程中，首次创建模型后，要依据输入和输出的量来构建训练所需的样本，若样本库中有不符合的数据则必须先删除。配置好训练样本后，可以训练模型。网络训练结束后，可以再根据历史资料，预测当天或T时的负荷数字。

（2）处理数据

系统负荷建模需要非常多的数据，而数据的采集一般都是依据电量采集器所进行的，会受设备本身和数据传输中的各因素所影响，同时还受到人为因素的影响，所以在收集的数据中往往有很多不合理的数据，一旦这些不合理的数据被采用，那么所建的模型肯定会存在很大的误差，有可能导致预测算法的分散，对实际的分析带来一定的影响，所以，把这些数据运用在实际之前，要先进行数据的处理和筛选。