專利名稱：基于負(fù)荷預(yù)測的神經(jīng)網(wǎng)絡(luò)的在線和離線訓(xùn)練的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及至訴,歷史負(fù)荷繊和短期負(fù)荷預(yù)測娜菊頁測短期負(fù)荷趨勢 的方法和系統(tǒng)。神經(jīng)網(wǎng)絡(luò)用來分析一定間隔時(shí)間的負(fù)荷娜和趨勢。幾個(gè)月、幾 周、幾天、幾小時(shí)內(nèi)的模式均可以得至吩析，神經(jīng)網(wǎng)^^術(shù)應(yīng)用于預(yù)報(bào)極短期負(fù) 荷預(yù)測。
背景技術(shù)：
撤銷飾概定后，由于市場電力需求有時(shí)彭見出隨機(jī)性，負(fù)荷預(yù)測成為市場 Jlf共發(fā)電安排手段的中心內(nèi)容。系 作員，市場經(jīng)營者，輸Efe^有者，以及其
他電力:Dlk的參與者，都需要一個(gè)I^I準(zhǔn)確的預(yù)報(bào)系統(tǒng)和方法，以運(yùn)行可靠的系 統(tǒng)荊呆頓利。因此，預(yù)J樹自由市場中尉M^、要的。目前，經(jīng)營者向監(jiān)管機(jī)構(gòu)樹共i悄臘息，詳細(xì)說明電力mss發(fā)電時(shí)間。這 些電力i伐」按年、月、周、天、小時(shí)鄉(xiāng)它時(shí)間間隔如季度或諸如假期、周末等 牛魏的幾天而不同。雖然鵬陏時(shí)電力需求差別很大，但經(jīng)營割主往會(huì)被滿足實(shí) 時(shí)需求和未預(yù)料到的電力短^^累。滿足這些意料之外的需求往往^t成電力成 本的增加。另外，電力駄下跌可能是由于當(dāng)市場中出5，啲預(yù)料之外的電力 時(shí)必須掛共鈔的電力。顯而易見，急切需要一種方法和一個(gè)系統(tǒng)，Mii預(yù)測短期電力需求M:化電
力系統(tǒng)性能。本發(fā)明是滿足發(fā)電妒者需求的方案，他們必須ffl31利用船l;繊，
歷史負(fù)荷與預(yù)測纖以及其他衝艮技術(shù)的預(yù)測，雜制其生產(chǎn)能力，以滿足調(diào)控需求，并超嘬小化赫和優(yōu)化利潤能力的目的。

發(fā)明內(nèi)容
本發(fā)明的目的^Hf共一種方法和體系，使電力生產(chǎn)者育^M拔電并將鵬 降到最低。該目標(biāo)就《^頓歷史負(fù)荷 和短期負(fù)荷預(yù)測 * 頁測短期負(fù) 荷趨勢的方法和體系完成的。分析需求模式，并用其來訓(xùn)鋭申經(jīng)網(wǎng)絡(luò)以預(yù)測能源 需求。負(fù)荷增量用于離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練湘在線預(yù)測。 一種算法用于負(fù)荷預(yù)測，另 一種算法用于在線訓(xùn)練。此外，在線與離線訓(xùn)練用于負(fù)荷預(yù)測。本發(fā)明利用了在 繼申經(jīng)網(wǎng)絡(luò)訓(xùn)練，并誠了基于在線訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的預(yù)測過程和基于離線訓(xùn)練
的神經(jīng)網(wǎng)絡(luò)的預(yù)測ii程，從而^f共了一個(gè)機(jī)制，4M^^營者可以選擇基于在線 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的負(fù)荷預(yù)測機(jī)制^S于離編申經(jīng)網(wǎng)絡(luò)訓(xùn)練的負(fù)荷預(yù)測機(jī)制，棘自 基于在線與離繼申經(jīng)網(wǎng)絡(luò)訓(xùn)練的負(fù)荷預(yù)測機(jī)制的預(yù)測的適當(dāng)組合。在線神經(jīng)網(wǎng)絡(luò) 訓(xùn)練撤腺新的負(fù)荷模^^化(在離謝申經(jīng)網(wǎng)絡(luò)訓(xùn)練中看不到)，并將這^變化 合并到負(fù)荷預(yù)測中，從而掛共了一種機(jī)制，以提高基于離編申經(jīng)網(wǎng)絡(luò)訓(xùn)練的負(fù)荷


參考附圖，各種各樣的潛在的實(shí)施例艦以下詳細(xì)說明a絵更容易働軍，其
中
圖1為結(jié)合〗頓本發(fā)明的育疆管理系統(tǒng)的圖示； 圖2為離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的流程圖； 圖3為在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的 凝呈圖； 圖4為負(fù)荷預(yù)測值的結(jié)束的淑呈圖。 具體實(shí)航式圖1所示為結(jié)合本發(fā)明的使用的育疆管理系統(tǒng)的一部分的辨M。負(fù)荷 110包含從^t湯獲取的當(dāng)前和歷史負(fù)荷翻。為了基于離線神經(jīng)網(wǎng)絡(luò)120禾瞎線 神經(jīng)網(wǎng)絡(luò)140的訓(xùn)練預(yù)測負(fù)荷值，負(fù)荷繊110同時(shí)樹共給在線與離繼申經(jīng)網(wǎng)絡(luò) 140、 120。 一個(gè)在線負(fù)荷預(yù)測模塊與負(fù)荷 —起使用，以訓(xùn)練兩種神經(jīng)網(wǎng)絡(luò)。 基于負(fù)荷預(yù)測的精確性鄉(xiāng)他標(biāo)準(zhǔn)下的判定，采用基于判定算法150的預(yù)測機(jī)制， 來生鵬終負(fù)荷預(yù)測亂育疆管理系統(tǒng)的結(jié)構(gòu)和運(yùn)行，以及尤其是硬件、控娜莫塊、神經(jīng)網(wǎng)絡(luò)、短 期負(fù)荷預(yù)測模塊和其它相關(guān)部件在2004年5月12日提交的共同未決的美國專利<formula>formula see original document page 8</formula>申請(qǐng)?zhí)枮?0/844,137的申請(qǐng)中有更詳細(xì)的介紹，題目為"Very ShortTemiLoad Prediction in an Energy Management System",結(jié)^f"此作為參考。
戰(zhàn)方縣用常規(guī)鵬軟件和設(shè)備。存儲(chǔ)在存儲(chǔ)媒介中含有戰(zhàn)功能的能 量管SiS用，可以與系統(tǒng) 器，內(nèi)部和/働卜^P^儲(chǔ)器，包Mi十?dāng)?shù)器，寄存器， 和實(shí)時(shí)皿實(shí)0 作系統(tǒng)一起使用。圖M中的組成部分和步驟可以存儲(chǔ)在計(jì)算 機(jī)可讀媒介中供會(huì)遣管理系統(tǒng)使用。本發(fā)明的負(fù)荷預(yù)測過程將在下面詳細(xì)l^。
為了預(yù)測負(fù)荷，假設(shè)一個(gè)動(dòng)態(tài)負(fù)荷沖難雜于自動(dòng)發(fā)電控制的過程中，并 可以，為以下形式<formula>formula see original document page 8</formula> (1)
其中，N表示負(fù)荷動(dòng)態(tài)的級(jí)數(shù)，P標(biāo)負(fù)荷，t表示時(shí)間。對(duì)于離散瞎況，
<formula>formula see original document page 8</formula> (2)假設(shè)雜一個(gè)從(<formula>formula see original document page 8</formula>到Pn的遊賣鵬，于是
尸 =/(;"尸《—2廣.，尸 省,") (3) 其中函數(shù)f可以被看做是函數(shù)h的反函數(shù)。由此，d…,/U (M是任意的正纖)可以由尸",尸"屮…，尸"—腫"通 過下式得到
<formula>formula see original document page 8</formula>
戶"+Af = /(Pn+M-"d+M-2""，《HV+AM，W + M) = /(/AM，/M-2""，/l"'"W + 2) (4》 =/財(cái)(戶i ，尸"，'"，Pi-W+l,")現(xiàn)在，負(fù)荷f頁測豐IM可以確立為如下 戶 +1=/(尸 ,尸 —"…,C) (5)
其中，t (B "M)是從當(dāng)前時(shí)間n開始未來第i ^長的負(fù)荷預(yù)測。
"湘是當(dāng)前時(shí)間與前(N-1)個(gè)時(shí)間步長的實(shí)際負(fù)荷值。定義^"=;廣r"，得
"' 同樣地， 代人<formula>formula see original document page 8</formula> 得<formula>formula see original document page 8</formula>
因此，在自己的有效時(shí)間段內(nèi)，負(fù)荷預(yù)測凈翅可以簡化為如下
其中，1S/《M [簡]爐是，當(dāng)i=l Btt尋到下面的等式 AF —,.+1 = K(尸—AP"—艦,…,AP —》
當(dāng)1=2，我們得到
=g2 "-w+,, M,-w十i , ,化w) - + S
當(dāng)i=2 Btt尋到下面的等式
<formula>formula see original document page 10</formula>可以看出，當(dāng)N足夠大，C與之間的關(guān)系隨著n和i的增加而繊l 當(dāng)這種關(guān)系變得弱到可以被忽略時(shí)，，公式可以簡化如下
<formula>formula see original document page 10</formula>
其中
〖0031 ]以^i^式重寫上式如下:
<formula>formula see original document page 10</formula>由于函數(shù)g的確切形式^:知，隨著歷史負(fù)荷 可得，可以訓(xùn)練具有適 當(dāng)階層的前饋神經(jīng)網(wǎng)絡(luò) :11^^種函數(shù)。^^f周知，神經(jīng)網(wǎng)絡(luò)有以任意小的正誤 差ilifi定義在緊支持上的任意遊賣函數(shù)的能力。盡管M的精確范圍不能明確知 道，實(shí)踐中通常假設(shè)所有負(fù)荷增量都是有限的。換言之，對(duì)函數(shù)^的支持是緊密 的假設(shè)齢理的。因此，在一個(gè)任意小的正碟下，械著可以超ilh^關(guān)系的神經(jīng)網(wǎng)絡(luò)
<formula>formula see original document page 10</formula>
其中，0是一^相鄰階層之間禾腫和所有隱藏神經(jīng)元偏差的參數(shù)向量，瓶照
未來時(shí)刻的計(jì)算值和實(shí)際值之間的^B在性能指M"面被最小化的方式數(shù)iJ調(diào) 諧。神經(jīng)網(wǎng)絡(luò)禾,歷史負(fù)荷M被離線訓(xùn)練。神經(jīng)網(wǎng)絡(luò)訓(xùn)練湘魁正^i^，它們
可以在線艦。圖2為j頓在線負(fù)荷預(yù)測來訓(xùn)練離繼申經(jīng)網(wǎng)絡(luò)的 凝呈圖。更具體地說，這 ^il程利用負(fù)荷增量，適當(dāng)?shù)?前處理和后 ，以及常規(guī)的短期負(fù)荷預(yù)測。雖然這Hil呈以每5粥中以及實(shí)時(shí)艦實(shí)時(shí)地執(zhí)行一個(gè)循環(huán)為例說明，但這一過
程可以在其他倒可時(shí)間間隔和頻率下執(zhí)行。下面介紹離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法。
在步驟201，篩選用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的以5併中為時(shí)間間隔的負(fù)荷數(shù)據(jù)。這個(gè)篩 i^l程根據(jù)予跣指定的選搟示準(zhǔn)檢索歷史娜。這種篩選器可設(shè)計(jì)為柳的形式，
其拉普拉斯變換函數(shù)為爪5) = J—，其中r指定為30併中。令/^恭^T帝選后的 負(fù)荷數(shù)據(jù)。于是，
<formula>formula see original document page 11</formula>其中，T為5併中。在步驟202中，從篩選后的負(fù)荷數(shù)據(jù)中形成負(fù)荷增量。
數(shù)學(xué)形式如果負(fù)荷 來自不同的 源，貝晚荷增量的符號(hào)
同樣需要確定這一點(diǎn)。這就是，<formula>formula see original document page 11</formula>；，其中，<formula>formula see original document page 11</formula> 和
，下角標(biāo)』^^對(duì)應(yīng)各自的最佳匹配 的不同負(fù)荷 源的下標(biāo)。在步驟203，負(fù)荷增量標(biāo)準(zhǔn)化。分另訴,來自相應(yīng) 源的增 ^的均 值^A。1和標(biāo)準(zhǔn)方差一CJ〗吏負(fù)荷增量標(biāo)準(zhǔn)化。用數(shù)學(xué)形式表達(dá)，
<formula>formula see original document page 11</formula>在步驟204中，運(yùn)用具有瞬時(shí)項(xiàng),度降離和該方制頓鵬步驟3得 到的 實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。訓(xùn)練結(jié)束時(shí)，下列關(guān)系<formula>formula see original document page 11</formula> 以最優(yōu)的0:#得到實(shí)現(xiàn)(如果不能全局最優(yōu)的話
可超偶部最優(yōu))。步驟l至4^[樣離編申經(jīng)網(wǎng)絡(luò)訓(xùn)練。其錄劚^^基于離線
神經(jīng)網(wǎng)絡(luò)訓(xùn)練的在線負(fù)荷預(yù)測。在步驟205中，加載神經(jīng)網(wǎng)絡(luò)參數(shù)，為當(dāng)前時(shí)間段(
，
，
， [12:05 ， 16:00] ， [16:05， 20:00〗，[20:05 ， 24:00]
其中之一)M:在線預(yù)測神經(jīng)網(wǎng)絡(luò)。在步驟206中，加綱應(yīng)于當(dāng)前4個(gè)小時(shí)的時(shí)間段的傳統(tǒng)短期負(fù)荷預(yù)測。 計(jì)算出當(dāng)前時(shí)間段的平均負(fù)荷。在步驟207中，力口載由離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練計(jì)算出的最佳匹配娜的標(biāo)準(zhǔn)方差。在步驟208中，力口載前l(fā)小時(shí)的負(fù)荷值，并衞也們傳至陟驟201中4頓的
低通搶波器中。從濾波后的負(fù)荷M中形成負(fù)荷增量。在步驟209中，用步驟207和208確定的參數(shù)將 標(biāo)準(zhǔn)化。在步驟210中，將標(biāo)準(zhǔn)化M傳到^31訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，并計(jì)算出下一小
時(shí)的預(yù)測值。在步驟211中，將計(jì)算出的下一小時(shí)的預(yù)測值傳至胴一個(gè)敬訓(xùn)練的神經(jīng) 網(wǎng)絡(luò)。計(jì)算出下個(gè)小時(shí)的預(yù)測值。在步驟213中，將步驟212得到的去標(biāo)準(zhǔn)化值轉(zhuǎn)換為纟樹負(fù)荷量，從而計(jì) rf兩小時(shí)的預(yù)測負(fù)荷值。在步驟214中，當(dāng)傳統(tǒng)的每小時(shí)(或每半小時(shí))短期負(fù)荷 頁測被認(rèn)為滿足 予財(cái)艮精度要求時(shí)，調(diào)整在步驟213得到的負(fù)荷預(yù)測，使紫臠足由當(dāng)前小時(shí)禾嚇兩 個(gè)小時(shí)的短期負(fù)荷預(yù)測得到的每小時(shí)育瞳。當(dāng)實(shí)際負(fù)荷表現(xiàn)出離謝申經(jīng)網(wǎng)絡(luò)訓(xùn)練中未曾用至啲負(fù)荷模式時(shí)，基于離線 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的在線負(fù)荷預(yù)測體制不肖瀏i妹學(xué)習(xí)的負(fù)荷模式做出精確的負(fù)荷預(yù) 測。需要引進(jìn)一個(gè)機(jī)制來解決這一問題。這也是需要在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的原因。
基于在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的負(fù)荷預(yù)測機(jī)帶拔奸在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練。對(duì)于在線 神經(jīng)網(wǎng)絡(luò)訓(xùn)練，由離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練中得到的織頓神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化。前 兩個(gè)小時(shí)的實(shí)際負(fù)荷繊用來調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)參數(shù)，使測量距離的性能指標(biāo)在一定 意X1:奸神經(jīng)網(wǎng)絡(luò)的目標(biāo) 與實(shí)際輸出娜之間。如圖3所示的^f呈圖顯示了如何利用在線負(fù)荷預(yù)測來訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)。 該過程使用了負(fù)荷增量，適當(dāng)?shù)? 1^理和后處理，以及傳統(tǒng)的短期負(fù)荷預(yù)測。 雖然這^1程具體體現(xiàn)在每5併中以及實(shí)時(shí)艦實(shí)時(shí)地執(zhí)衍盾環(huán)的過程中，但它 可以在倒可其它時(shí)間間隔和頻率下執(zhí)行。下面介紹在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法。在步驟301，加i^人離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練
得到的神經(jīng)網(wǎng)絡(luò)織，并為當(dāng)前時(shí)段(
,
,
,， [16:05,20:00 ], [20:05,24:00 ]之一)的在線訓(xùn)練粒神經(jīng)網(wǎng)絡(luò)。
在步驟302，篩選以5倂中為時(shí)間間隔得至啲負(fù)荷麵來訓(xùn)鋭申經(jīng)網(wǎng)絡(luò)。這 個(gè)篩;MI呈根據(jù)預(yù)指定的選搟示準(zhǔn)総歷史繊。篩選器可以設(shè)計(jì)成h(t)的形式，其拉普拉斯變換函數(shù)標(biāo)為H(s^丄，其中r為30併中。令尸/^r帝鵬的
負(fù)荷繊。于是，/^"^7/^+^7A^A+^，其中T為5併中。在 線神經(jīng)網(wǎng)絡(luò)中使用的負(fù)荷f^括前兩個(gè)小時(shí)中以五併中為時(shí)間間隔的負(fù)荷數(shù)在步驟303中，從篩選后的負(fù)荷繊中形成負(fù)荷增量。數(shù)學(xué)駄為在步驟304中，加it^應(yīng)于當(dāng)前4個(gè)小時(shí)的時(shí)間段的傳統(tǒng)短期負(fù)荷預(yù)測。 計(jì)算出當(dāng)前時(shí)間段的平均負(fù)荷。在步驟305中，加載由離線神經(jīng)網(wǎng)絡(luò)訓(xùn)練計(jì)算出的最佳匹配數(shù)據(jù)的標(biāo)準(zhǔn)方 差。在步驟306中，標(biāo)準(zhǔn)化負(fù)荷增量。負(fù)荷增量的標(biāo)準(zhǔn)化是使用來自于步驟304 和305中的增if^的均值m禾口標(biāo)準(zhǔn)方差^ 。
數(shù)學(xué)公^ii為"" ^在步驟307中，采用共W^度優(yōu)化方法，{頓在其{頓之 步驟306獲 得的娜，執(zhí)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。在訓(xùn)練為尾，具有最佳0:(如果不是全局最佳則 是局部最佳)的下列關(guān)系被實(shí)現(xiàn)
=AW。^"—洲，..l;《)。步驟301到307代表了在線的神經(jīng)網(wǎng)絡(luò)訓(xùn)練，
《'
其^a程4樣了基于在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的在線負(fù)荷預(yù)測。在步驟308中，加載前一小時(shí)的負(fù)荷值，像步驟301中j頓的那樣將它們
掛共纟剖feffi濾波器，并從濾波后的負(fù)荷數(shù)據(jù)中計(jì)算負(fù)荷增量。在步驟309中，就像在步驟306中另卩樣禾擁304和305步驟中確定的參數(shù)
執(zhí)行娜的標(biāo)準(zhǔn)化。在步驟310中，將標(biāo)準(zhǔn)化的娜想U(xiǎn)訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)中，并計(jì)算出下一 個(gè)小時(shí)的預(yù)測值。在步驟311中，將為下一小時(shí)計(jì)算的預(yù)測HMA^同樣^1訓(xùn)練的神經(jīng)網(wǎng) 絡(luò)中并計(jì)算出隨后一小時(shí)的預(yù)測值。
在步驟312中，可以通51反轉(zhuǎn)標(biāo)準(zhǔn)^it算過程，使在步驟310和311中計(jì) 算出來的下兩個(gè)小時(shí)的預(yù)測值去標(biāo)準(zhǔn)化。在步驟313中，可以ffi51將在步驟312中獲得的去標(biāo)準(zhǔn)化的M轉(zhuǎn)換成絕 對(duì)負(fù)荷量的it^計(jì)釘兩個(gè)小時(shí)的負(fù)荷預(yù)測值。在步驟314中，當(dāng)傳統(tǒng)的每小時(shí)(^半小時(shí))的短期負(fù)荷預(yù)測被認(rèn)為是 ^^f員測精度要求時(shí)，調(diào)整在步驟313中獲得的負(fù)荷預(yù)測以it^人當(dāng)前小時(shí)和緊 接著的兩個(gè)小時(shí)的短期負(fù)荷預(yù)測中得到的每小時(shí)肖糧。當(dāng)iffil以離線神網(wǎng)絡(luò)訓(xùn)練
為基礎(chǔ)的在線預(yù)測方案和以在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練為基礎(chǔ)的預(yù)測方^a行的負(fù)荷預(yù)測
變得可用時(shí)，就弓l入一種機(jī)制以mt^合利用兩種不同方式得到的預(yù)測結(jié)果而最 定負(fù)荷預(yù)測。這種機(jī)制如下圖4所示的流程圖顯示了使用來自訓(xùn)練過的在線和離線神經(jīng)網(wǎng)絡(luò)的在線負(fù) 荷預(yù)測棘終確定負(fù)荷預(yù)測。i^l程組合了基于離線和在線訓(xùn)練的預(yù)測方^^f獲 得的預(yù)測結(jié)果。盡管i^MI呈是以每5併特咴時(shí)艦實(shí)時(shí)地執(zhí)份盾環(huán)的實(shí)施例示 出，這^S1程還可以在其它招可時(shí)間跨度和頻率下執(zhí)行。
在步驟401中，用戶選媒中的一種預(yù)測方案以最終確定負(fù)荷預(yù)測，即基 于離線訓(xùn)練的預(yù)測方案，基于在線訓(xùn)練的預(yù)測方案，基于手工輸入的預(yù)測方案， 以及基于自動(dòng)組合的預(yù)測方案。在步驟402中，如果4頓者選擇下列選擇中的一個(gè)，即基于離線訓(xùn)練的預(yù) 測方案，基于在線訓(xùn)練的預(yù)測方案，^S于手工輸入的預(yù)測方案，貝U葡 京尤會(huì)由下列方禾呈纟合出
9
=他g(n…A)層在屈,..々",; :#)+(/-飾gw,v..A，在屈,
這里，z)一w,v ,D是一個(gè)對(duì)角化的矩陣，,是一個(gè)歸一化的矩陣。當(dāng)基于離
線訓(xùn)練的預(yù)測方案^it擇時(shí)，所有的^都為l;當(dāng)基于在線訓(xùn)練的預(yù)測方案M^擇 時(shí)，所有的^都是0;當(dāng)基于手工輸入的預(yù)測方案lfe^擇時(shí)，所有的^都是手工輸 入的值。在步驟403中，如剁頓者選擇基于自動(dòng)組合的預(yù)測方案，義,就將由基于 離線訓(xùn)練的預(yù)測方案和基于在線訓(xùn)練的預(yù)測方案盼鵬^充計(jì)娜來計(jì)算。齡A, 都如下這微計(jì)算
對(duì)于基于離線訓(xùn)練的預(yù)測方案，劍門傲斜刀始働零的計(jì)數(shù)器。每五併中 執(zhí)行一次循環(huán)，將以離線訓(xùn)練為基礎(chǔ)的預(yù)測結(jié)果與實(shí)際負(fù)荷比較，如剁封可預(yù)測 結(jié)果W"應(yīng)實(shí)際負(fù)荷的期望預(yù)測精度內(nèi)，貝U計(jì)數(shù)器增加1;對(duì)基于在線訓(xùn)練的預(yù) 測結(jié)剩故同樣的工作。這兩臺(tái)計(jì)數(shù)器保^3^賣。對(duì)于當(dāng)前的五併中間隔，檢查這兩臺(tái)計(jì)數(shù)器的值。我們艦A^和《分別 指出基于離線訓(xùn)練的預(yù)測方案和基于在線訓(xùn)練的預(yù)測方雜計(jì)數(shù)器中的值。4通
過^^"給出。統(tǒng)計(jì) ^^和<以每時(shí)間段為基礎(chǔ)(每^A個(gè)不同的四小時(shí)時(shí)間段)保 持。當(dāng)A^和《足夠大時(shí)，如顆于每一個(gè)時(shí)間間隔，基于離線訓(xùn)練的預(yù)測方 案和基于在線訓(xùn)練的預(yù)測方案中的至少一個(gè)的執(zhí)行可接受時(shí)，4就4樣了基于離 線訓(xùn)練的預(yù)測方雜預(yù)測范圍的第i個(gè)五併中時(shí)間間隔的執(zhí)行可接受的概率。這 個(gè)結(jié)剰樣了基于神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果的期望。當(dāng)A, f燃用上面的方程計(jì)算時(shí)， 如顆于大量的時(shí)間間隔基于離線訓(xùn)練的預(yù)測方案和基于在線訓(xùn)練的預(yù)測方案的 執(zhí)伊那一*不能被接受，就會(huì)產(chǎn)生合并結(jié)刺扁離并超出可接受范圍的不為零的 1以下的方程確定預(yù)測結(jié)果在步驟404中，將為下一小時(shí)計(jì)算的預(yù)測JMrAf胴一個(gè)訓(xùn)練過的神經(jīng)網(wǎng)
絡(luò)。為接下來的小時(shí)計(jì)算預(yù)測結(jié)果。在步驟405中，通M^行標(biāo)準(zhǔn)4^算的反過禾M^使接下來的兩小時(shí)的預(yù)測 值去標(biāo)準(zhǔn)化。在步驟406中，通過將去標(biāo)準(zhǔn)化的 轉(zhuǎn)換成絕對(duì)負(fù)荷 *為接下來的兩
個(gè)小時(shí)計(jì)算預(yù)測的負(fù)荷值，也就是尋找負(fù)荷增量的^3i程。在步驟407中，當(dāng)傳統(tǒng)的每小時(shí)(或半小時(shí))的短期負(fù)荷預(yù)測被認(rèn)為是符
^f頁測精度要求時(shí)，調(diào)整在407過程中獲得的負(fù)荷預(yù)測以滿^;人當(dāng)前小時(shí)和緊接
著的兩個(gè)小時(shí)的短期負(fù)荷預(yù)測中得到的每小時(shí)肖疆。
雖然參照這里的實(shí)施例特別顯示和描述了所述的發(fā)明方法和系統(tǒng)，對(duì)于那些
本領(lǐng)域技術(shù)人員來說，不脫離本發(fā)明的樹特口范風(fēng)可以在形式和細(xì)節(jié)上做各種改變。
權(quán)利要求
1. 一種電力系統(tǒng)中的能量管理方法，包括步驟用負(fù)荷數(shù)據(jù)訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)；用第一組在線預(yù)測的負(fù)荷值來訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)；用第一組在線預(yù)測的負(fù)荷值來預(yù)測第二組預(yù)測的負(fù)荷值；用負(fù)荷數(shù)據(jù)訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)；用第三組在線預(yù)測的負(fù)荷值訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)；用第三組在線預(yù)測的負(fù)荷值來預(yù)測第四組在線預(yù)測的負(fù)荷值；將第二組預(yù)測的負(fù)荷值與實(shí)際的負(fù)荷值相比較，如果第二組預(yù)測的負(fù)荷值與實(shí)際的負(fù)荷值之間的差異在可接受的范圍內(nèi)就增加第一計(jì)數(shù)器。將第四組預(yù)測的負(fù)荷值與實(shí)際的負(fù)荷值相比較，如果第四組預(yù)測的負(fù)荷值與實(shí)際的負(fù)荷值之間的差異在可接受的范圍內(nèi)就增加第二計(jì)數(shù)器；并且基于第一和第二計(jì)數(shù)器的值計(jì)算最終的負(fù)荷預(yù)測值。
2、 如權(quán)利要求l的方法，進(jìn)一步包含了比織一和第二計(jì)數(shù)器的值的步驟， 如果第一計(jì)數(shù)器的駄于第二計(jì)數(shù)器的值，就在在線神經(jīng)網(wǎng)絡(luò)J^擇離線負(fù)荷預(yù) 測方案；如果第二計(jì)數(shù)器的駄于第Ht數(shù)器的值，就在在線神經(jīng)網(wǎng)絡(luò)Jl^雜 線負(fù)荷預(yù)測方案。
3、 如權(quán)利要求1的方法，其中訓(xùn)練離謝申經(jīng)網(wǎng)絡(luò)的步驟包含計(jì)算負(fù)荷娜之 間的負(fù)荷增量，和用負(fù)荷增M^訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)的步驟。
4、 如權(quán)利要求3的方法，其中訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)的步驟包含對(duì)負(fù)荷增量標(biāo)準(zhǔn) iW猁用標(biāo)準(zhǔn)化的負(fù)荷增fi^訓(xùn)練離編申經(jīng)網(wǎng)絡(luò)的步驟。
5、 如權(quán)利要求4的方法，其中禾,負(fù)荷增a^訓(xùn)練離繼申經(jīng)網(wǎng)絡(luò)的步驟包含禾傭負(fù)荷增1^計(jì)算第一組在線預(yù)測的負(fù)荷值的步驟。
6、 如權(quán)利要求4的方法，其中對(duì)負(fù)荷增量標(biāo)準(zhǔn)化的步驟包含4頓與在離編申 經(jīng)網(wǎng)絡(luò)訓(xùn)練中計(jì)算的最佳匹配娜之間的標(biāo)準(zhǔn)偏差的步驟。
7、 如^X利要求1的方法，其中訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)的步驟包含計(jì)算負(fù)荷數(shù)據(jù)間 的負(fù)荷增量和利用負(fù)荷增量來訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)的步驟。
8、 如權(quán)利要求7的方法，其中訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)的步驟包含使負(fù)荷增量標(biāo)準(zhǔn) 化和^ffi標(biāo)準(zhǔn)化的負(fù)荷增fi^訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)的步驟。
9、 如^^i」要求8的方法，其中使用負(fù)荷增ft^訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)的步驟包含 4頓負(fù)荷增《*計(jì)算第三組在線預(yù)測的負(fù)荷值的步驟。
10、 如權(quán)利要求8的方法，其中使負(fù)荷增量標(biāo)準(zhǔn)化的步驟包含〈頓與在在線 神經(jīng)網(wǎng)絡(luò)訓(xùn)練中計(jì)算的最佳匹配娜之間的標(biāo)準(zhǔn)偏差的步驟。
11、 女敝禾腰求10^"法，i^^包含4頓梯度優(yōu)tt^訓(xùn)練^l彬5網(wǎng)絡(luò)的步驟。
12、 如權(quán)利要求6的方法，進(jìn)一步包含4頓梯度優(yōu)4^1e訓(xùn)練離繼申經(jīng)網(wǎng)絡(luò)的 步驟。
13、 如權(quán)利要求2的方法，其中計(jì)算最后的負(fù)荷預(yù)測值的步驟包含分別對(duì)基 于在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的在線預(yù)觀啲負(fù)荷值和基于離線網(wǎng)絡(luò)訓(xùn)練的離線預(yù)測的負(fù)荷 M^生精確度概率，其中相應(yīng)的概率i!31計(jì)離確預(yù)測對(duì)精確預(yù)測總數(shù)的比例而 產(chǎn)生。
14、 如豐又利要求13的方法，進(jìn)一步包含比,生的概率禾口用最高的概率 擇負(fù)荷預(yù)測方案。
15、 一種具有在其上存儲(chǔ)了指令的計(jì)敦幾可讀介質(zhì)，當(dāng)該指令被鵬tim行 時(shí)，使得該鵬微糊聚用負(fù)荷 訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)；用第一組在線預(yù)測的負(fù)荷11^訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)；用第一組在線預(yù)測的負(fù)荷^J頁測第二組預(yù)測的負(fù)荷衝用負(fù)荷 訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)；用第三組在線預(yù)測的負(fù)荷值訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)；用第三組在線預(yù)測的負(fù)荷 0頁測第四組在線預(yù)測的負(fù)荷值；將第二組預(yù)澳啲負(fù)荷值與實(shí)際的負(fù)荷值相比較，如果第二組預(yù)測的負(fù)荷值與 實(shí)際的負(fù)荷值之間的差雜可接受的范圍內(nèi)就增加第"H十?dāng)?shù)器。將第四組預(yù)觀啲負(fù)荷值與實(shí)際的負(fù)荷值相比較，如果第四組預(yù)觀啲負(fù)荷值與 實(shí)際的負(fù)荷值之間的差雜可接受的范圍內(nèi)就增加第二計(jì)數(shù)器；并且基于第一和第二計(jì)數(shù)器的值計(jì)算最終的負(fù)荷預(yù)測值。
16、 一種在電力系統(tǒng)的育疆管理系統(tǒng)中預(yù)測負(fù)荷的系統(tǒng)，包含 執(zhí)行驢管鵬用的艦器； 與M器通信的離線神經(jīng)網(wǎng)絡(luò)；與處理器和離線神經(jīng)網(wǎng)絡(luò)通信的在線神經(jīng)網(wǎng)絡(luò)；用來儲(chǔ)存當(dāng)前負(fù)荷值、歷史負(fù)荷值、預(yù)觀啲負(fù)荷值并且可以;M:鵬器訪問的負(fù)荷 庫；與鵬器、離編申經(jīng)網(wǎng)絡(luò)和負(fù)荷娜庫通信的在線負(fù)荷預(yù)測模塊；與在線神經(jīng)網(wǎng)絡(luò)和離線神經(jīng)網(wǎng)絡(luò)通信的神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊；用^i^擇負(fù)荷預(yù)測方案的判定算法模塊；用來與處理器通信以儲(chǔ)存肖疆相^^的存儲(chǔ)器；及用 1行旨遣管理功能的旨疆管理模塊，包括，用負(fù)荷娜訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)；用第一組在線預(yù)測的負(fù)荷it^訓(xùn)練離繼申經(jīng)網(wǎng)絡(luò)；用第一組在線預(yù)測的負(fù)荷€* 頁測第二組預(yù)測的負(fù)荷值；用負(fù)荷數(shù)據(jù)訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)；用第三組在線預(yù)測的負(fù)荷值訓(xùn)練在線神經(jīng)網(wǎng)絡(luò)；用第三組在線預(yù)測的負(fù)荷il^J頁測第四組在線預(yù)測的負(fù)荷值；將第二組預(yù)測的負(fù)荷值與實(shí)際的負(fù)荷值相比較，如果第二組預(yù)測的負(fù)荷值與 實(shí)際的負(fù)荷值之間的差雜可接受的范圍內(nèi)就增加第"i十?dāng)?shù)器。將第四組預(yù)測的負(fù)荷值與實(shí)際的負(fù)荷值相比較，如果第四組預(yù)觀啲負(fù)荷值與 實(shí)際的負(fù)荷值之間的差雜可接受的范圍內(nèi)就增力瞎二計(jì)數(shù)器；并且基于第一和第二計(jì)數(shù)器的值計(jì)算最終的負(fù)荷預(yù)測值。
17、 如禾又利要求16的系統(tǒng)，其中肖疆管理功肖^i包含，^H十?dāng)?shù)器和第二 計(jì)數(shù)器的值的比較，如果第"H十?dāng)?shù)器的駄于第二計(jì)數(shù)器的值，就在在線神經(jīng)網(wǎng) 絡(luò)i^擇離線負(fù)荷預(yù)測方案；如果第二計(jì)數(shù)器的 于第~4十?dāng)?shù)器的值，就在在 編申經(jīng)網(wǎng)絡(luò)Jl^雜線負(fù)荷預(yù)測方案。
18、 如權(quán)利要求17的系統(tǒng)，其中計(jì)算最終預(yù)測的負(fù)荷值的步驟包含分別對(duì)基 于在線神經(jīng)網(wǎng)絡(luò)訓(xùn)練的在線預(yù)測的負(fù)荷值和基于離線網(wǎng)絡(luò)訓(xùn)練的離線預(yù)測的負(fù)荷 M^生精確度概率，其中相應(yīng)的概率3151計(jì)織確預(yù)測對(duì)精確預(yù)測總數(shù)的比例而 產(chǎn)生。
19、 如權(quán)利要求16的系統(tǒng)，其中訓(xùn)練離線祌經(jīng)網(wǎng)絡(luò)和在線神經(jīng)網(wǎng)絡(luò)的步驟包 含計(jì)算負(fù)荷翻之間的負(fù)荷增量，湖負(fù)荷增1^訓(xùn)練離編申經(jīng)網(wǎng)絡(luò)和在線神經(jīng) 網(wǎng)絡(luò)的步驟。
20、如權(quán)利要求19的系統(tǒng)，其中訓(xùn)練離線神經(jīng)網(wǎng)絡(luò)和在線神經(jīng)網(wǎng)絡(luò)的步驟包 含使負(fù)荷增量標(biāo)準(zhǔn)化和4頓標(biāo)準(zhǔn)化的負(fù)荷增M6川練離編中經(jīng)網(wǎng)絡(luò)和在線神經(jīng)網(wǎng) 絡(luò)的步驟。
21、如權(quán)利要求20的系統(tǒng)，其中使負(fù)荷增量標(biāo)準(zhǔn)化的步驟包含4頓與在離 線祌經(jīng)網(wǎng)絡(luò)訓(xùn)練中計(jì)算得到的最佳匹配M之間的標(biāo)準(zhǔn)偏差的步驟。
全文摘要
提供一種通過在線和離線神經(jīng)網(wǎng)絡(luò)的訓(xùn)練預(yù)測電力系統(tǒng)的負(fù)荷的方法和系統(tǒng)。在在線負(fù)荷預(yù)測方案中使用負(fù)荷數(shù)據(jù)和負(fù)荷增量來產(chǎn)生預(yù)測負(fù)荷值以最優(yōu)化發(fā)電和最小化損耗。該目的通過使用一種方法和系統(tǒng)來實(shí)現(xiàn)，該方法和系統(tǒng)通過使用歷史記載數(shù)據(jù)和短期負(fù)荷預(yù)測數(shù)據(jù)來預(yù)測短期負(fù)荷趨勢。
文檔編號(hào)G06N7/00GK101288089SQ200680027219
公開日2008年10月15日 申請(qǐng)日期2006年7月28日 優(yōu)先權(quán)日2005年7月28日
發(fā)明者D·陳 申請(qǐng)人:西門子電力輸送及配電有限公司