气象信息的负荷测量探索

考虑气象信息的短期负荷预测模型

多输出模型指的是:只需要将输入变量输出，经过输入层、隐层和输出层便可以得到多个输出［6］。如本文采用全天96点的负荷预测方式，只需要建立1个神经网络，其输出层含有96个神经元便可以进行1次预测，便可以预测1天96个点的所有负荷，但由于这种模型结构太过庞大，预测精度很低，训练速度很慢，甚至1天也无法仿真出一个程序，不适合实际进行。本文选取杭州市2007年7月和8月进行负荷预测。由于夏季天气炎热，空调、电风扇等调温设备使用量很大，因此调温负荷占总负荷的比例也很大。本文首先选取的两个气象输入量为温室指数和人体舒适度，利用改变学习的BP算法和上述建立的模型进行负荷预测，观察预测的结构。根据理论进行预测温湿指数主要受到温度和相对湿度的影响;人体舒适度主要受到温度、相对湿度和风速的影响。经过调查研究，风速每增加1m/s，人体的实际感觉温度会下降2～3℃。在炎热的夏季，温度和调温负荷成正相关，相对湿度和调温负荷成负相关，风速和调温负荷成负相关;当温度升高，相对湿度降低，风速减小时，空调等用电设备使用量增加，调温负荷上升;反之，则调温负荷下降;很明显人体舒适度相比于温湿指数来说，考虑的因素更加的全面。因此从理论上预测选用人体舒适度作为输入的模型预测精度将会更高。

考虑气象信息短期负荷预测实例

本文选择杭州地区2007年夏季7、8月的负荷数据和实时气象数据作为神经网络训练和预测的样本。如上文所述，气象因素是影响短期负荷预测最重要的原因，下文输入人工神经网络中的主要变量就是气象因子，并且在综合考虑各种因素后，选择学习速率可变的人工神经网络的BP算法。对于工作日样本和双休同样本进行日期标注，工作日的日期类型取0．2，双休同的日期类型取0．6。人工神经网络的输入人工神经网络的输入量需要仔细选择，为了使预测精度提高，在合适的情况下应该尽量全面的考虑各种因素。本文主要是研究气象因素的短期负荷预测，所以在其他量不变的情况下，将气象因素改变来观察不同输入量带来的不同变化，并且最终选取合适的输入量进行训练，最后获得较高精度的预测结果。气象因子选取人体舒适度和温湿指数在表1中，气象因子选取人体舒适度。然后将输入量输入人工神经网络，利用学习速率可变的BP算法，利用MATLAB编程进行仿真，得到的。其中1天96点的平均相对误差为1．1995%。中，气象因子选取温湿指数。然后将输入量输入人工神经网络，利用学习速率可变的BP算法，利用MATLAB编程进行仿真。其中1天96点的平均相对误差为1．0784%。实际结果对比由于人体舒适度比温湿指数多考虑了风速这个影响因子，而风速与调温负荷又有着很明显且重要的关系，因此根据理论预测选用人体舒适度作为输入的模型的精度将会高于选用温湿指数作为输入的模型。可是在编写程序利用MATLAB仿真之后可以看到，选用人体舒适度为输入的模型的误差为1．1995%，而选用温湿指数作为输入的模型的误差为1．0784%。实际仿真的结果与理论相反。经过长久的探究，猜测风速是造成误差的原因。为了论证这个猜想，下文建立了两个新的模型。即将气象因子分别选取温度、相对湿度和温度、相对湿度、风速这两组输入量，并通过相同的神经网络，利用学习速率可变的BP算法进行训练仿真。

论证风速是产生误差的原因

气象因子选取温度和相对湿度。然后将输入量输入人工神经网络，利用学习速率可变的BP算法，利用MATLAB编程进行仿真，结果。对比分析原因温度和相对湿度的连续性很好，且相近的2天具有很明显的规律性，可以很容易地进行推测，风速具有很强的离散性，相隔很短的时间内就可能会产生很大的偏差与温度和相对湿度有规律可循不同的是，风速毫无规律可循，在相近的2天的任意时刻都可能有很大的不同，难以推测。而负荷预测中，往往是根据以往的相似规律建立合适的模型，带入现有的数据进行推算。因此发现风速造成误差的最主要原因有以下两点:离散性强，突变性大;难以找到风速的变化规律，导致无法准确利用风速进行负荷预测。统计分析为了进一步论证提出的方法预测的准确性与可靠性，将随机在2007年的夏季选取1周的时间作为测验的时间段。如上所述，温湿指数具有相对较高的精度且具有较快的训练速度。以下选取温湿指数作为综合气象指数，利用学习率可变的BP改进算法建立神经网络，对2007年8月20～26日这1周每天96点各个时刻算出预测负荷与实际负荷的误差，得到的结果。接着进行误差统计，进一步论证算法的精度与可靠性。在1天96个时刻中，90%以上的点的精度都在97%以上，平均误差全部可以控制在2%以内，精度可以达到98%，有些天甚至精度可以达到99%，总体来说，误差精度可以很好地满足要求。在查找误差数据的过程中发现，极个别点误差超过了10%，可能的原因是出现了突况或原始负荷数据的损坏。从总体上看，本文提出的模型再配上BP算法进行改进，选定合适的学习速率和误差精度，在总体的预测效果上还是令人满意的。

作者：杜翼 方鸽飞 王玉芬 单位：浙江大学