3.2 实际应用及结果分析
结合上海某镇规划方案中的中期负荷预测任务,对上述训练成功的ANN进行验证。在该实际规划中,为了规划该镇中期的配电网方案,需较准确地预测出中期负荷情况。该镇面积为3816.00公顷,主要负荷性质为工业、商业、公共设施、居住类等。对该镇的负荷预测,先期运用了较为成熟的灰色理论法进行预测。其中灰色理论法是用该镇1990~2000十年的历史用电量进行建模,从而预测出2005年的负荷大小。而ANN的模型是以2005的工业、农业、轻工业总产值及人口数等相应数据来预测其负荷,其中工业、农业、轻工业总产值是由当地规划办提供,是一种预测值;人口数是从该镇的城市规划资料中获得。两种方法的预测结果如表2。
注:表中各产值的单位为亿元,人口的单位为万人,负荷的单位为万千瓦。
由表2可以看出:两种方法的预测值有一定的差距。较之ANN法,成熟的灰色理论在该实际应用中应是较精准的。两者之间存在误差的原因是:(1)ANN法在训练过程中,有限的样本数使得它获得“知识”有限,即在一个系统中,一个非常成功的ANN模型,在另外一个系统中它不一定成功,只有给它增加大量的样本,使它再学习,让它获得的知识越多,应用的范围就越广;(2)两种方法的输入不同,灰色理论的输入是当地历年来的负荷情况。它是准确的历史数据。而本文所建立的ANN模型的输入,即2005年的工业、农业、轻工业总产值及人口数本身是一种预测值或规划值,它的准确与否,直接影响ANN的输出,即预测结果。因此,只有该规划镇提供比较准确的2005年的相应产值,才能比较准确地预测2005年的负荷值。
4 结语
本文建立了以工业、农业、轻工业总产值及人口数为输入的BP模型进行中期负荷预测的探索取得了较为满意的结果,并且采用了BFGS变尺度法对BP算法进行了优化,使算法模型具有了较快的收敛速度。当然还可用其他量为输入建立别的模型,进而对中期负荷尝试预测,对人工神经网络技术在电力系统中期负荷预测中的应用进行分析探讨。
另外,通过实例验证了ANN在中期负荷预测中的有效性。优化计算时用目标误差作为控制网络迭代结果的条件并采用计算次数寻优,在每次迭代一次后将计算误差和目标误差进行转化,并保留其值。在训练时,给定一个迭代次数,以修正模型并且提高模型的收敛速度。
采用人工神经网络技术进行电力系统中期负荷预测是一个非常有吸引力而难度较大的课题。在MLFANN中,预测样本是难以准确计算的,一旦预测样本与训练样本差异很大,则采用MLFANN预测所得结论值得怀疑。另外,神经网络的结构(层数,节点数)、BP网的训练样本、阈值及权值的初值对神经网的收敛性和快速性及全局的优化会产生重大的影响,这些有待于深入确定。我们相信,随着科技发展和电力工作者的不断努力,ANN在中长期负荷预测方面会有更大的发展和应用。
参考文献
1 Park DCetal.Electric Load Forecasting Using an Arti-ficial Neural Network.IEEE Transactions on PWRS,1991,6(2):442~449
2 韩祯祥.人工神经元网络在电力系统中的新进展.电力系统自动化,1993,17(1):53~55
3 蒋平,鞠平.应用人工神经网络进行中期电力负荷预测.电力系统自动化,1995,19(6):11~17
4 孙洪波.电力网络规划.重庆:重庆大学出版社,1996
5 张立明.人工神经网络的模型及其应用,上海:复旦大学出版社,1993
本文关键字:暂无联系方式经验交流,电工技术 - 经验交流
上一篇:电力系统接地网故障诊断