·144·
朝阳市地区负荷特性分析及负荷预测研究
任大远谢燃郑帅
（辽宁省朝阳供电公司计量室，辽宁朝阳122000）
科技论坛
摘要：随着人类社会的进步，产生了对电力负荷分新与预测问题的研究。辽宁省电网有限公司依照国家电网公司开展建设的坚强智能电网等战略规划，相继完成了多项国网公司的试点工作计划。在推进电网建设向前发展的同时，国网朝阳市供电公司也面临用电负荷特性分析与负荷预测这个问题。本文以国网朝阳市供电公司为研完对象，以负荷特性分析及负荷值预测为基本目标，建立适用于朝阳市电力需求的负荷特性分析方法和负荷预测模型。并且通过完成朝阳市一些典型的用电企业的数据分析、曲线绘制、预测值表等工作，来验证所提出的分析方法和数学模型的有准确性和有效性。
关键词：负荷特性：负荷预测：智能电网
电力系统的运行有其一定的特征，电力负荷的波动和外部的条件变化是有相应联系的，通过研究电力系统用电负荷的变化规律，能够预测出在特定条件下的电力负荷值。这为电力系统安全经济运行和电力系统规划设计等重要领域的管理提供了关键的参考依据。
1基于BP神经网络电力负荷预测的分析方法
所谓神经网络，就是指通过模仿大脑对信息的认知、加工、处理的过程完成对信息的自适应性质的记忆、学习。这种模仿人类处理间题的方式已经应用于诸多领域，在电力负荷预测中，BP神经网络算法也有一定的应用基础。当人们进行负荷预测时，已知的是既往和实时数据，所求的是未来--段时间的负荷值。BP神经网络算法中，已知数据当作输人量，通过三层网络模型构造的函数，适当改动函数里的权值、阔值，最终会求出所要的输出量，也就是负荷预测量。神经网络的传输过程由正反双向传送通道构成。正向传输就是由已知数据按设计流程得出预测数据；反向传输就是由得出的预测数据反过来与已知数据进行比较，若两者之间存在差值，则需要继续按照正向传输的步骤得出修正后的预测值，这个过程也就是指 BP神经网络所具有的记忆性。通过这个过程可以逐步将偏差缩小。在预测值满足期望目标的区间内，得出满足收敏要求的最小误差偏差，完成BP网络的记忆学习过程，得到最终符合精度要求的负荷预测值。
2朝阳市朝阳市超短期电力负荷预测研究
神经网络主要分为输入层、隐层和输出层三部分。输人层设有 3个神经元，隐层设有5个神经元，输出层设有1个神经元，将输人层中检测单元所得到的已知数据作为输入层神经元的输入信号，将信号传递到隐层中的神经元，经过算法的分析处理，传递给输出层的神经元，这样就可以得到我们所需要的负荷预测值，具体的三层结构神经网络如图1所示。
关于三个层级的结构设计按照以下的几点要求：输入层和输出层的节点数要等于选定样本的维数；而隐层的节点数也就是交点数针对连续和不连续函数是不同的，连续函数3个即可，不连续函数时交点数要适中，过多会增加网络运行时间，降低泛化能力，过少则允余度弱，容错率小。具体的隐层数的公式可按经验得出：
I=n+m+a
Ue(k) Tp(k)
值
输入层
P0 偏整
Ik)
隐层 o(k)
图1BP神经网络图
时凝点
输出层 013
实际值预测值
图2BP神经网络预测值与实际值的结果对比图
表1各负荷类型负荷特征分析表
养征普标负药家最小负葡率峰各差率
高负药率型负费
0.96 0.92 0.08
平丝负病 0.71 0.47 0.53
单峰型负荐 0.34 0.23 0.77
际问题中所发挥的作用，显示了本文所做的负荷分析和预测工作的(1)
式中，1为隐层交点个数，n为输入点个数，m为输出点个数，a 为浮动常数，一般取1~10。利用BP神经网络负荷预测的模型，对朝阳市50余家用电用户总的用电负荷进行短时预测。分析所用的历史数据为2016年4月20日至2016年6月12日的负荷数据，预测的目标是2016年8月5日的负荷曲线。利用BP神经网络模型预测的结果如表1所示。
表1中可以得出实际值和预测值最大误差为12.90%，最小误差为0.19%，平均误差为5.13%。实际的结果较为精确的反应了预测值的准确度。预测结果用负荷特性曲线表达，如图2所示。
3结论
本文主要对朝阳市的典型用电用户的用电负荷特性进行了负荷特性分析和负荷预测功能。依据负荷特性分析方法和负荷预测的数学模型，通过选取的典型电负荷类型的用电企业，对其具体数据进行了处理，验证了所提方法和模型在解决朝阳市电网企业管理实
万方数据
准确性和有效性。
参考文献
[1]陈艳.基于速传神经网络的短期电力负荷预测研究[D]大连：大速理工大学,2006
[2]林一几.基于目标管理的电力负荷管理系统研究[D]大连：华北电力大学,2013.
[3]王伟峰,对(电力负荷管理系统数据传输规约》内容的讨论[电力系统自动化,2006,6:96-99