摘 要：文章提出了一種日負荷預測的新模型。這是一種基于非線性小波的神經(jīng)函數(shù)。這個小波網(wǎng)絡由小波基函數(shù)構成，并且已經(jīng)得到了全局最優(yōu)解。我們克服了一個人工神經(jīng)網(wǎng)絡的固有缺陷即其學習速度慢，其網(wǎng)絡結構是難以合理確定并且它會產(chǎn)生局部最小點。我們可以從實例中看到，這個方法可以提高負荷預測的精確性和其學習速度，并且可以將其應用于農(nóng)業(yè)日電力負荷預測。

關鍵詞：小波神經(jīng)網(wǎng)絡；人工神經(jīng)網(wǎng)絡；負荷預測

一個日電力負荷預測意味著負荷預測的時間單位是小時、天或者月。由于其本身趨勢有很強的隨機性，導致對其進行數(shù)學建模產(chǎn)生了一定的困難。而對預測的精準性的提高也是很困難的。到目前為止，最有效的預測方法之一就是人工神經(jīng)網(wǎng)絡。它可以表達一個很復雜的非線性函數(shù)，但與此同時，它有一些內(nèi)在固有的缺陷即它的學習速度很慢，并且其網(wǎng)絡結構是難以合理確定并且它會產(chǎn)生局部最小點。我們采用小波神經(jīng)網(wǎng)絡來進行短期負荷預測來解決這些問題。首先，子波系列是通過膨脹、收縮因子和翻譯因子得到的，而后構成了一個小波神經(jīng)網(wǎng)絡。因為兩個新的參數(shù)（膨脹、收縮因子和翻譯因子）被使用，使得小波神經(jīng)網(wǎng)絡的自由度比人工神經(jīng)網(wǎng)絡的自由度更高，也因此有更好的函數(shù)逼近能力。

1 小波的概念和小波變換

3 短期日負荷預測應用

為了實施文章提出的新方法，我們將中國武漢的日負荷進行預測，測試2006年10月20日整天24小時的農(nóng)業(yè)負荷數(shù)據(jù)。為了比對兩種模型，將分別選擇小波神經(jīng)網(wǎng)絡和人工神經(jīng)網(wǎng)絡。通過模仿計算，我們知道的前者的精度和速度提高了不少。

4 結束語

在文章中，我們提出了一種新的農(nóng)業(yè)電力日負荷預測的模型——基于小波神經(jīng)網(wǎng)絡。它克服了人工神經(jīng)網(wǎng)絡固有的缺陷，即它的學習速度慢并且其網(wǎng)絡結構是難以合理確定并且它會產(chǎn)生局部最小點。其神經(jīng)函數(shù)是基于非線性小波。我們得到全球最佳的擬合效果。并且提高了精度。該網(wǎng)絡結構由逐步測試方法來確定，因為該網(wǎng)絡是一個單一的隱含層結構，它的速度明顯的提高，可以用來預測農(nóng)業(yè)日負荷。通過仿真計算，我們證明了新的模型的有效性。

參考文獻

[1]康重慶，夏清，張伯明.電力系統(tǒng)負荷預測研究綜述與發(fā)展方向的探討[J].電力系統(tǒng)自動化，2004，28（17）：1-11.

[2]吳杰康，陳明華，陳國通.基于PSO的模糊神經(jīng)網(wǎng)絡短期負荷預測[J].電力系統(tǒng)及其自動化學報（Proceedings of the CSU-EPSA），2007，19（1）：63-67.

[3]田瑞，聞新，田春延.小波神經(jīng)網(wǎng)絡的特征與比較[J].計算機測量與控制，2002，10（2）：71-73.

[4]劉滌塵，夏昌浩，胡祥勇，等.基于小波變換的電力系統(tǒng)神經(jīng)網(wǎng)絡負荷預報研究[J].武漢大學學報（工學版），2002，35（4）.

[5]叢爽編著.面向MATLAB工具箱的神經(jīng)網(wǎng)絡理論與應用[M].中國科學技術大學出版社，1998.

[6]劉增良，劉有才.小波變換與神經(jīng)網(wǎng)絡-理論研究與探索[M].北京： 北京航空航天大學出版社，1996.

[7]Liang Rueyhsun，Cheng Chingchi. Short-term load forecasting by a neu-ron-fuzzy based approach[J].Electrical Power and Energy System，2002，24（2）：103-111.

作者簡介：楊雄（1988-），男，江西南昌人，本科，助理工程師，主要研究方向：電力系統(tǒng)負荷分析、風力發(fā)電工程建設。