一種基于神經網絡算法的電能消耗預測系統的制作方法
【技術領域】
[0001] 本發明屬于人工智能技術領域，特別涉及一種基于神經網絡算法的電能消耗預測 系統。
【背景技術】
[0002] 隨著世界范圍內能源危機的加劇和我國經濟的發展，必然要求加強對高能耗產業 的能源管理，為了順應國家的節能政策和在激烈的市場競爭中獲得優勢，節能有著深遠的 經濟和社會意義。企業以往節能方案的制定多是依賴在生產過程中積累的經驗，缺乏嚴格 的理論推理，達不到理想的節能效果。本發明運用工業工程的理論，從生產的整個工藝流程 出發，運用人工神經網絡，研究能源消耗趨勢和影響因素的變化規律，確定影響能耗的薄弱 環節和節能潛力比較大的因素，為節能方案的制定和評價提供理論根據。
[0003] 短期負荷預測中最典型的是根據歷史數據對未來一天的負荷進行預測。支持向量 機在解決非線性、小樣本等實際應用問題中表現出來的優勢，也使得它近年來越來越多的 被應用到電力負荷預測領域。研究表明，使用支持向量機進行電力負荷預測，具有精度高、 速度快等優點，有效地改進了負荷預測的效果。
【發明內容】
[0004] 數據預處理是短期負荷預測中關鍵的一步，負荷預測時需要大量的歷史相關數 據，這些歷史數據大多都是通過電力系統采集而來，因此這些數據不僅受到測量、傳輸設備 的影響，也受到了拉閘、限電等人為因素的影響。所以在使用這些數據進行預測前，應該先 對其進行分析處理，對其中的不規則數據予以刪除，對缺失的數據進行補齊，否則這些異常 數據的存在會降低負荷預測的精度。
[0005] 本文通過對缺失負荷數據的修補、對異常負荷數據做垂直和水平處理這兩個手段 得到平滑的歷史負荷曲線，如下將對這兩個方面進行詳細的介紹。
[0006] 所謂的負荷數據缺失，是指在采集到的負荷數據中，出現某一天的數據相對明顯 較少，對這些缺失數據一般可以參照相鄰幾天的負荷數據對其進行人工補齊。然而不同日 期類型的負荷數據差異通常會相差較大，所以在補充這些數據時一定要選用相同日期類型 的相鄰幾天的負荷數據進行填充。可以采用式下所描述的進行處理：
[0007] X (d, t) = ω jX ((I1, t) + ω 2χ (d2, t)
[0008] x(d，t)是第d天第t小時的負荷數據值，Χ(φ，t)是與其具有相同日期類型相鄰 兩天的負荷數據值，O i是線性組合的權重，本章中均取〇. 5。
[0009] 在所獲得的歷史數據中，因受隨機因素的影響，可能會出現某些異于正常的負荷 數據，通常稱它們為異常數據。如果正常的負荷序列中存在大量的這種數據，會導致整體噪 聲的增加，降低負荷曲線的平滑性，從而增加了預測的難度。所以在使用歷史數據之前，要 先對其中的異常數據進行刪除或平滑等預處理。根據電力負荷的周期性特點，可以利用24 小時為小周期對負荷數據進行處理。其理論依據是，不同日期在同一時刻的負荷是具有相 似性的，它會維持在一定的范圍內，從而就可以對超出這個范圍的那些異常數據進行處理。 處理的方式如下：
[0010] 假設x(d，t)表示負荷序列，d=l，2,…，N表示第幾天，t=0,1, "·，47代表第d天 的第幾個負荷點。利用式下計算出每個負荷點N天內的平均值E(t)和方差V(t):
【主權項】
1. 一種基于神經網絡算法的電能消耗預測系統。其特征在于SVM的變形：為了使SVM 能夠適應實際問題的應用要求，根據結構風險最小化原則和核函數理論，許多學者從改變 SVM的具體實現形式方面著手，提出了很多SVM變形算法。如Scholkopf?等從如何控制支持 向量數量出發，提出了 u-SVM算法，Chang等則為該算法設計了高效的訓練方法。Suykens 等提出了最小二乘支持向量機，將SVM中的二次規劃問題轉化成線性規劃問題，使得算法 變得簡單，但卻失去了稀疏性。另外還有模糊SVM及光滑SVM等各種SVM變形算法。
2. -種基于神經網絡算法的電能消耗預測系統。其特征在于核函數和參數選擇：SVM 的性能由它的核函數和參數決定，在實際應用時，應該根據不同的問題選擇核函數和參數。 一般來說，選擇的核函數應該可以有效地反映出數據的實際模型，而設置的參數也應該能 讓訓練誤差與模型復雜度之間達到最佳的折中，選取不當的核函數與參數都會使得SVM達 不到較好的效果。然而，目前沒有固定的方法選擇核函數及相關參數，通常依賴于人為經驗 進行選擇和調整，但由于缺乏理論指導，所以效率和可靠性一般都較低。
【專利摘要】本發明屬于人工智能技術領域，具體公開了一種基于神經網絡算法的電能消耗預測系統，本發明提出基于支持向量機的電力負荷預測問題的最終目的是以歷史數據作為訓練樣本，通過訓練網絡，找出以影響電力負荷的因素為輸入，待預測負荷為輸出的最優函數關系。因此歷史負荷數據的數量和質量、支持向量機核函數的選取以及參數的選擇對預測模型的精度和泛化能力都有著重要的影響。
【IPC分類】G06N3-02, G06Q10-04
【公開號】CN104657781
【申請號】CN201310601412
【發明人】李童, 吳濱
【申請人】江南大學
【公開日】2015年5月27日
【申請日】2013年11月20日