采用神经网络进行城市中长期负荷预测的一种信息系统

【摘要】设计了一个三层神经网络模型来实现城市电力中长期负荷分析预测。采用了BP学习的算法，结合电力中长期功能块分析方法，提出了一种有效的理论模型。基于该理论模型设计了一套自动化负荷预测分析信息系统。

【关键词】人工神经网络 BP算法电力中长期负荷预测功能块法信息系统

Abstract　Design a three-layer ANN model for long term urban load forecast.Choose BP method and long term urban area load forecast method in this model.Base on this model,design a information system.
Key words　ANN BP Power urban load forecast Long term load forecast Area load forecast Information system
1 引言
城市电力中长期负荷预测主要预测未来1到5年负荷的变化。现在对于中长期负荷预测主要采用对原有数据进行统计分析，根据某个地域的负荷增长情况及要求的容载比进行经验式的推断，此种方法主观性比较强，预测精度不高，依据不够充分。而且由于此种方法缺乏系统的模型支持，比较难于实现自动化预测。因此建立一个有效可靠的数学模型进行中长期的电力负荷预测将是十分必要的。有了可靠的模型，同时还需要自动化的工具来代替繁杂的数据分析工作。
2 BP算法及预测模型
神经网络（关于神经网络的介绍请参看参考文献部分内容）对任意非线性关系的匹配是通过调整神经元之间的连接权值及神经元的阈值来实现的, 这就是所谓的神经网络的学习机制。在我们所运用的多层前馈神经网络之中, 最为流行、最为有效的学习算法就是反向传播算法, 即BP 算法。它通过将神经网络的实际输出与期望输出之间的误差反向传播, 用基于最速梯度下降方法来调整权值和阈值误差达到最小。
在此设计一个三层网络来建模，如下图所示：

图表 1 神经网络结构
在负荷预测中影响负荷的因素包括：气象（温度、湿度、雪等）、经济（国民生产总值的增长速度、产业结构调整、宏观调控等因素）、节假日（周末、法定假日等）等因素，其输入分别为：
W(t)=FW(t)----------------------------气象函数
E(t)=FE(t)------------------------------经济函数
H(t)=FH(t)-----------------------------节假日函数
L(t)=FL(t)------------------------------最高负荷日负荷值
Ls(t)=FLs(t)----------------------------负荷实测日负荷值
根据实际情况我们可以选取部分输入量，气象因素选取对负荷影响比较大的温度作为输入，经济方面选取国民生产总值（城市的）作为输入，由于节假日对于最高负荷日及负荷实测日影响不大因而不再考虑此因素的影响。
神经网络的输出为：

其传递函数为：

误差计算采用最小二乘法：

此处的Yj为神经网络输出，Ye为实际输出。
3 信息系统设计
3.1 功能设计

3.1.1 建立负荷分析数据库
根据当年的负荷情况通过系统创建当年负荷分析数据库，同时保留历史负荷数据。提高了当年负荷分析效率。
3.1.2 数据采集
SCADA数据采集
提供通用的SCADA数据采集接口，将数据采集进入负荷分析数据库中。
监控仪数据采集
提供通用的数据接口，以供监控仪数据进入系统。
CIS系统
提供CIS系统的数据接口，以供CIS系统工询等数据库倒入系统。
其他非系统数据
提供输入或者倒入界面将其他没有进入信息系统的数据通过人工输入的方式导入到系统中。
3.1.3 数据预处理
汇集所需各类负荷数据后，对负荷数据进行转换和校验。转换和校验的目的为了识别数据采集过程中的不良数据，消除数据畸变，系统提供数据的合理性检验功能，对采集的生数据进行校验，识别不良数据并对其进行修正，从而保证数据的一致性和准确程度，以更好进行分析预测。同时需要针对如下具体数据做校验整理：
  主变10kV侧有功负荷数据校验
对主变的台数、变电站名、各主变容量进行自动校验；对各整点负荷提供负荷曲线及总负荷辅助校验。
  互馈线数据校验
对互馈线的条数进行校验；对负荷数据根据流向信息对数据符号进行校验。
  直配线数据校验
对直配线的用户数进行校验；对各整点负荷提供负荷曲线及总负荷辅助校验。
  大用户数据校验
对用户数进行校验；对各整点负荷提供负荷曲线及总负荷辅助校验。
  主变10kV侧出线电流数据校验
对出线的条数、变电站名进行自动校验；对各整点的出线电流提供电流曲线辅助校验。

3.1.4 负荷分析预测
  负荷分析数据分析表
包含各功能块的各电压等级和小计的0～23点负荷数据、最高负荷、增长率、占地面积、负荷密度及功能块同时率；最后是全市的各电压等级和小计的0～23点负荷数据、最高负荷、去年最高负荷、增长率、占地面积、负荷密度、功能块同时率及分电压等级同时率。
  容载比分析
各功能块及城市的主变容量、最高负荷及容载比。
  负荷预测
将前面的分析的数据导入预测模块中，融入历史数据，进行测算，同时对于气象及经济情况输入做架设，而后得出未来负荷情况。
3.1.5 数据查询
提供统一的查询平台供相关人员查询。
3.2 系统结构设计

图表 2 系统网络结构
系统采用三层架构设计，负荷专职通过C/S方式进行相应操作，提高工作效率，其他接入局域网络的用户通过B/S方式接入。远程通过通过防火墙后可以直接察看相应结果。

采用神经网络进行城市中长期负荷预测的一种信息系统相关推荐

基于BP神经网络的电力系统短期负荷预测，简单实用
基于BP神经网络的电力系统短期负荷预测,包含30日的负荷数据和气象特征数据,对31日负荷进行预测,同时与实际负荷进行对比,观察误差. %创建一个新的BP前向神经网络 %newff-生成一个新的BP前向 ...
谷歌采用神经网络驱动机器翻译，可离线翻译59种语言
内容来源:ATYUN AI平台谷歌的在线翻译自2016年以来一直由神经机器翻译(NMT)驱动,今天,该公司推出了其神经网络驱动的方法,以便谷歌翻译的iOS和安卓应用用户能够更准确地实现59种语言的离 ...
[负荷预测]基于人工神经网络的短期电力负荷预测（1）
目录一.问题背景二.数据集介绍 2.1 提取Area1用电负荷 2.2 读入2014年Area1指定列负荷数据 2.3 探查Area1用电负荷数据分布 2.4 两地2014年负荷数据可视化 2.4 ...
文献综述--------山东某地区基于深度学习神经网络的配电网负荷预测研究
摘要:地区电网负荷预测是供电企业在电网建设.运营过程中一项十分要的基础性的工作.小到一个企业的负荷预测,大到全国性电网的负荷预测研究,它的应用结果都会对适用范围内的企业经营管理.电力设施(电网)的 ...
[时间序列预测]基于BP、LSTM、CNN-LSTM神经网络算法的单特征用电负荷预测[保姆级手把手教学]
系列文章目录深度学习原理-----线性回归+梯度下降法深度学习原理-----逻辑回归算法深度学习原理-----全连接神经网络深度学习原理-----卷积神经网络深度学习原理-----循环神经网 ...
深度学习方法在负荷预测中的应用综述（论文阅读）
前言本篇论文主要介绍了当下用于智能电网电力负荷预测的多种DL方法,并对它们的效果进行了比较.对于RMSE的降低效果上,集成DBN和SVM的方法RMSE降低显著,达到了21.2%.此外,PDRNN ...
[时间序列预测]基于BP、RNN、LSTM、CNN-LSTM算法多特征（多影响因素）用电负荷预测[保姆级手把手教学]
系列文章目录深度学习原理-----线性回归+梯度下降法深度学习原理-----逻辑回归算法深度学习原理-----全连接神经网络深度学习原理-----卷积神经网络深度学习原理-----循环神经网 ...
【负荷预测】基于神经网络的负荷预测和价格预测（Matlab代码实现）
目录 1 概述 2 基于神经网络的负荷预测(Matlab实现) 2.1 代码 2.2 结果 2.3 回归树模型的进一步改进 3 基于神经网络的价格预测(Matlab代码实现) 4 阅读全文(Ma ...
基于遗传算法改进的BP神经网络电网负荷预测，GA-BP神经网络电网负荷预测，1000案例之14
摘要节能减排,降低谈排放,降低电网传输的损耗电力负荷预测是以电力负荷为对象进行的一系列预测工作.从预测对象来看,电力负荷预测包括对未来电力需求量(功率)的预测和对未来用电量(能量)的预测以及对负荷 ...
负荷预测（BP神经网络）
BP_Neural_Networks负荷预测一.简单介绍二.源代码分享三.结果讲解一.简单介绍本文的数据来源为某地2018年的总负荷,采样时间为15分钟,采用BP_Neural_Networ ...

采用神经网络进行城市中长期负荷预测的一种信息系统

采用神经网络进行城市中长期负荷预测的一种信息系统相关推荐

最新文章

热门文章