基于BP神经网络模型的我国长期电力负荷预测

叶琪 宋文达

引言：电力系统是一个长期受经济、人口、政治、市场等确定与不确定因素综合影响的复杂系统，电力系统受多因素制约和促进的这种特性也决定电力负荷中长期预测是一个需要长期跟踪和动态管理的过程。准确高效的负荷预测能够实现电力电量的科学管理，合理优化资源配置，有效避免电力短缺或电力浪费。本文基于BP神经网络模型对我国中长期电力负荷进行预测。

1 BP神经网络模型基本原理

BP神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法訓练的多层前馈网络，是目前应用最广泛的神经网络模型之一。它本质是一种按误差反向传播（简称误差反传）训练的多层前馈网络，其算法称为BP算法。本文采用如图1所示的三层BP神经网络的拓扑结构。

图1 三层BP网络拓扑结构

预测步骤如下：

（1）采用最大最小法进行归一化处理，即

（2）隐层节点个数及网络收敛精度的确定。

（3）检验模型的拟合程度。

2 算例分析

本文根据我国电力系统发展现状，分析影响我国中长期电力负荷预测影响因素，确定GDP预测值，工业化水平，城镇率及人口变化趋势预测值这4个指标作为模型的输入量。以2005-2018年的指标值为训练样本，2005-2035年实际用电量为目标样本数据。进行归一化处理后，从输入层神经元和输出层神经元个数综合考虑，选择10^-5作为网络收敛精度，最后进行模型的拟合优度检验，检验结果如下图所示：

图2 拟合程度比较

由图2可以直接看出，该神经模型中各指标的检验R方都位于0.98—0.999之间，这说明该神经模型拟合程度良好，可用于预测我国2020年—2035年电力负荷预测。预测结果如表2所示：

3 结论

本文综合考虑GDP、第二产业占比、人口数及城镇化率这4个长期电力负荷影响因素，基于BP神经网络模型对我国未来2020-2035年用电量进行预测并取得良好的预测效果，对有效进行电力调度和电力需求预测有很好的支撑作用。