本發(fā)明涉及電力電網(wǎng)領(lǐng)域，特別涉及一種智能電網(wǎng)電能使用量預(yù)測(cè)技術(shù)。
背景技術(shù)：
：保證電能使用的供需平衡是電網(wǎng)中的一個(gè)重要問(wèn)題。當(dāng)供應(yīng)電能小于需求電能時(shí)，可能會(huì)造成部分電力服務(wù)的中斷，甚至引起大規(guī)模的停電；如果供應(yīng)電能大于需求電能時(shí)，多余的這部分電能需要進(jìn)行額外地傳輸或使用合適大小的儲(chǔ)能設(shè)備進(jìn)行存儲(chǔ)，傳輸、儲(chǔ)能以及它們引起的維護(hù)等會(huì)顯著地增大電能使用的成本。為應(yīng)對(duì)這一問(wèn)題，就必須對(duì)電網(wǎng)的電能使用量進(jìn)行快速、準(zhǔn)確地預(yù)測(cè)，從而保證電能使用的供需平衡，提高電力網(wǎng)絡(luò)的經(jīng)濟(jì)效益和社會(huì)效益。電網(wǎng)中的電能使用主要包括工業(yè)用電、農(nóng)業(yè)用電、居民用電和商業(yè)用電。其中，工業(yè)用電、農(nóng)業(yè)用電由于其生產(chǎn)過(guò)程一般具有明確的計(jì)劃，其電能使用具有很強(qiáng)的規(guī)律性。其它用電，如居民用電、商業(yè)用電等，由于用戶種類繁多、用戶數(shù)量動(dòng)態(tài)變化、用電計(jì)劃性較差等原因，其電能使用量規(guī)律不明顯，難以準(zhǔn)確地被預(yù)測(cè)。智能電網(wǎng)是一種現(xiàn)代化的電力網(wǎng)絡(luò)。相對(duì)于傳統(tǒng)電網(wǎng)，智能電網(wǎng)更加可靠、安全、高效，并且它可使用先進(jìn)的傳感、測(cè)量、通信等技術(shù)獲得更為細(xì)致的電能使用數(shù)據(jù)，從而幫助電網(wǎng)更加準(zhǔn)確地預(yù)測(cè)電能使用量。目前，電網(wǎng)中已有的電能使用量預(yù)測(cè)方法主要存在以下幾個(gè)方面問(wèn)題：1、預(yù)測(cè)精度不高。電網(wǎng)中電能使用量隨時(shí)間變化構(gòu)成的時(shí)間序列受經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、氣候等多因素影響，并且單個(gè)用電行為的發(fā)生具有不確定性，使得用電行為間具有復(fù)雜的非線性關(guān)系；傳統(tǒng)的時(shí)間序列分析及預(yù)測(cè)技術(shù)難以準(zhǔn)確反映用電量變化所蘊(yùn)含用電行為間的復(fù)雜非線性關(guān)系，從而影響預(yù)測(cè)的精度。2、適應(yīng)性或?qū)崟r(shí)性較差。已有的電能使用量預(yù)測(cè)方法大多采用數(shù)學(xué)模型對(duì)預(yù)測(cè)進(jìn)行建模，建模過(guò)程比較復(fù)雜，并且在影響電能使用量的某些因素發(fā)生變化時(shí)，相關(guān)參數(shù)不能自主調(diào)整；某些預(yù)測(cè)方法具有較好地自適應(yīng)性，但訓(xùn)練/計(jì)算代價(jià)較高，實(shí)時(shí)性較差。目前國(guó)內(nèi)外常見的、可用于電能使用量預(yù)測(cè)的方法主要包括基于時(shí)間序列的預(yù)測(cè)方法和基于回歸分析的預(yù)測(cè)方法。1.基于時(shí)間序列的預(yù)測(cè)方法：通過(guò)尋找歷史數(shù)據(jù)隨時(shí)間變化的某種規(guī)律，建立合適的數(shù)學(xué)模型以進(jìn)行預(yù)測(cè)。如基于自回歸模型(Auto-Regressivemodel，簡(jiǎn)稱AR模型)的預(yù)測(cè)方法、基于滑動(dòng)平均模型(Moving-Averagemodel，MA模型)模型的預(yù)測(cè)方法、基于自回歸滑動(dòng)平均模型(Auto-RegressiveMoving-Averagemodel，ARMA模型)的預(yù)測(cè)方法等。2.基于回歸分析的預(yù)測(cè)方法：通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行回歸分析，建立電能使用量與其它相關(guān)變量的一組模型方程以進(jìn)行預(yù)測(cè)。如基于支持向量機(jī)(SupportVectorMachine，SVM)的預(yù)測(cè)方法、基于K近鄰(K-NearestNeighbor，K-NN)的預(yù)測(cè)方法等。以上方法都僅通過(guò)電能使用量的歷史值與預(yù)測(cè)值的關(guān)系、歷史變化規(guī)律來(lái)對(duì)電能使用量進(jìn)行預(yù)測(cè)，而未考慮電能使用量所包含用電行為以及它們之間的內(nèi)在關(guān)系(如，一家公司中電燈的電能使用量與電腦的電能使用量之間的關(guān)系)，從而限制了預(yù)測(cè)的精度。技術(shù)實(shí)現(xiàn)要素：本發(fā)明為解決上述技術(shù)問(wèn)題，提出了一種智能電網(wǎng)電能使用量預(yù)測(cè)方法，首先根據(jù)用電用戶種類的不同，從電能使用數(shù)據(jù)中提取相關(guān)電能使用量特征參數(shù)，并進(jìn)行數(shù)據(jù)預(yù)處理；然后，構(gòu)建多個(gè)神經(jīng)網(wǎng)絡(luò)分別預(yù)測(cè)各用電業(yè)務(wù)類型的電能使用量，各神經(jīng)網(wǎng)絡(luò)的參數(shù)由一種快速算法生成；最后，由各用電業(yè)務(wù)類型電能使用量計(jì)算得到預(yù)測(cè)的總電能使用量。本發(fā)明采用的技術(shù)方案是：一種智能電網(wǎng)電能使用量預(yù)測(cè)方法，包括：S1、根據(jù)用電業(yè)務(wù)類型確定電能使用量特征參數(shù)；所述電能使用量特征參數(shù)表示對(duì)應(yīng)用電業(yè)務(wù)類型的電能使用量；S2、確定電能使用量特征參數(shù)的時(shí)間標(biāo)度，構(gòu)造描述電能使用量的多時(shí)間序列其中，表示第i個(gè)電能使用量的特征參數(shù)在第t個(gè)時(shí)間點(diǎn)的原始電能使用量，i＝1,2,3…,M，M表示電能使用量的特征參數(shù)的總個(gè)數(shù)，t表示時(shí)間點(diǎn)序號(hào)；S3、根據(jù)步驟S2中確定的時(shí)間標(biāo)度，得到訓(xùn)練時(shí)窗的長(zhǎng)度；并在訓(xùn)練時(shí)窗中對(duì)進(jìn)行歸一化處理；S4、根據(jù)步驟S2中確定的時(shí)間標(biāo)度，得到歷史時(shí)窗長(zhǎng)度；確定待預(yù)測(cè)時(shí)間點(diǎn)的輸入向量其中，Xi,j(t)表示在第t個(gè)時(shí)間點(diǎn)預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)時(shí)，所需輸入向量的第j個(gè)數(shù)值，T表示歷史時(shí)窗長(zhǎng)度，所述T為一個(gè)周期時(shí)間長(zhǎng)度內(nèi)的單位時(shí)間標(biāo)度個(gè)數(shù)；S5、初始化M個(gè)神經(jīng)網(wǎng)絡(luò)，并確定各神經(jīng)網(wǎng)絡(luò)的隱層層數(shù)與隱層節(jié)點(diǎn)個(gè)數(shù)；通過(guò)對(duì)第i′個(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)得到第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量；所述第i′個(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值對(duì)應(yīng)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的值；S6、判斷是否需要計(jì)算各神經(jīng)網(wǎng)絡(luò)參數(shù)組；若是，則轉(zhuǎn)至步驟S7，否則轉(zhuǎn)至步驟S9；S7、對(duì)各神經(jīng)網(wǎng)絡(luò)進(jìn)行K次訓(xùn)練，得到每個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的K組參數(shù)組；S8、判斷待訓(xùn)練神經(jīng)網(wǎng)絡(luò)是否已完成全部訓(xùn)練，若是，則轉(zhuǎn)至步驟S9；否則轉(zhuǎn)步驟S7；S9、對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，具體為：通過(guò)計(jì)算得到當(dāng)前時(shí)間點(diǎn)對(duì)于用戶下一時(shí)間點(diǎn)各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值；S10、對(duì)步驟S9得到的各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值進(jìn)行反歸一化處理，得到原始電能使用量的預(yù)測(cè)值；S11、判斷下一個(gè)時(shí)間點(diǎn)是否需要進(jìn)行預(yù)測(cè)，若是，轉(zhuǎn)至步驟S2；否則結(jié)束。進(jìn)一步地，所述步驟S3，具體根據(jù)下式對(duì)電能使用量的多時(shí)間序列進(jìn)行歸一化處理：Si(t)=S^i(t)-min{S^i(j′),j′=1,2,3...,N}max{S^i(j′),j′=1,2,3...,N}-min{S^i(j′),j′=1,2,3...,N}×2-1;]]>其中，Si(t)表示第i個(gè)電能使用量特征參數(shù)在第t個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的歸一化后的電能使用量，表示第i個(gè)電能使用量特征參數(shù)在第訓(xùn)練時(shí)窗中第j′個(gè)時(shí)刻對(duì)應(yīng)的原始電能使用量。進(jìn)一步地，步驟S5中所述通過(guò)樣本數(shù)據(jù)測(cè)試確定各神經(jīng)網(wǎng)絡(luò)中隱層節(jié)點(diǎn)的個(gè)數(shù)具體為：A1、設(shè)定第i′個(gè)神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點(diǎn)個(gè)數(shù)Li′＝1；A2、輸入D組訓(xùn)練樣本進(jìn)行訓(xùn)練，分別計(jì)算預(yù)測(cè)結(jié)果誤差，計(jì)算D組訓(xùn)練樣本預(yù)測(cè)誤差的平均值；A3、當(dāng)Li′＝Li′+1時(shí)，計(jì)算D組訓(xùn)練樣本預(yù)測(cè)誤差的平均值；A4、比較當(dāng)前隱層節(jié)點(diǎn)個(gè)數(shù)Li′，得到的D組訓(xùn)練樣本預(yù)測(cè)誤差的平均值與隱層節(jié)點(diǎn)個(gè)數(shù)為L(zhǎng)i′-1時(shí)，得到的D組訓(xùn)練樣本預(yù)測(cè)誤差的平均值的減小比率是否小于閥值，若是，則確定此時(shí)的Li′為第i′個(gè)神經(jīng)網(wǎng)絡(luò)中隱層節(jié)點(diǎn)的個(gè)數(shù)；否則，返回到步驟A3。進(jìn)一步地，所述步驟S6具體包括以下分步驟：S61、定義參數(shù)評(píng)估時(shí)窗，所述參數(shù)評(píng)估時(shí)窗由當(dāng)前時(shí)間點(diǎn)及前N0-1個(gè)個(gè)時(shí)間點(diǎn)構(gòu)成；S62、定義參數(shù)評(píng)估時(shí)窗內(nèi)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量預(yù)測(cè)的平均誤差；S63、如果各神經(jīng)網(wǎng)絡(luò)尚未初始化或者截止到當(dāng)前時(shí)間點(diǎn)已進(jìn)行預(yù)測(cè)的時(shí)間點(diǎn)個(gè)數(shù)小于N0，則執(zhí)行步驟S7；否則轉(zhuǎn)至步驟S64；S64、若待判斷神經(jīng)網(wǎng)絡(luò)所預(yù)測(cè)的第i類電能使用量特征參數(shù)對(duì)應(yīng)用電業(yè)務(wù)類型的電能使用量在參數(shù)評(píng)估時(shí)窗內(nèi)的平均誤差大于給定閥值，則轉(zhuǎn)至步驟S7，否則轉(zhuǎn)至步驟S9。進(jìn)一步地，所述步驟S7具體包括以下步驟：S71、對(duì)第i′個(gè)神經(jīng)網(wǎng)絡(luò)的輸入權(quán)重矩陣和隱層節(jié)點(diǎn)偏置向量進(jìn)行賦值；A→i′={a→i′,j′′},(j′′=1,2,3,...,Li′);]]>其中，表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中所有輸入節(jié)點(diǎn)到第j″個(gè)隱層節(jié)點(diǎn)的輸入權(quán)重；b→i′={bi′,j′′},(j′′=1,2,3,...,Li′);]]>其中，bi′,j″表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中第j″個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)的偏置值；S72、計(jì)算神經(jīng)網(wǎng)絡(luò)輸出矩陣H0；其中，表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)第j″個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)于樣本的隱層節(jié)點(diǎn)輸出，t＝1,2,3…,N，N表示訓(xùn)練數(shù)據(jù)個(gè)數(shù)；為第i′個(gè)神經(jīng)網(wǎng)絡(luò)的輸入權(quán)重；S73、計(jì)算神經(jīng)網(wǎng)絡(luò)輸出外權(quán)β→i′=H0+Q;]]>其中，表示神經(jīng)網(wǎng)絡(luò)輸出矩陣H0的廣義逆；Q=Yi′(1)T...Yi′(N)TN×1,]]>Yi′(t)為第i′個(gè)神經(jīng)網(wǎng)絡(luò)在第t個(gè)時(shí)間點(diǎn)所預(yù)測(cè)電能使用量的真實(shí)值，t＝1,2,3…,N，N表示訓(xùn)練數(shù)據(jù)個(gè)數(shù)。進(jìn)一步地，所述步驟S9具體包括以下分步驟：S91、計(jì)算當(dāng)前時(shí)間點(diǎn)各神經(jīng)網(wǎng)絡(luò)的輸出矩陣H；H=G(a→i′,1,bi′,1,X→i′(t)...G(a→i′,Li′,bi′,Li′,X→i′(t))1×Li′;]]>S92、計(jì)算當(dāng)前時(shí)間點(diǎn)對(duì)于用戶下一時(shí)間點(diǎn)各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)值{Pi,k(t)}；Pi,k(t)=Pi′,k(t)=G(a→i′,1,bi′,1,X→i′(t)...G(a→i′,Li′,bi′,Li′,X→i′(t))1×Li′βi′,1...βi′,Li′Li′×1;]]>其中，Pi′,k(t)表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)的第k組參數(shù)的預(yù)測(cè)結(jié)果，k＝1,2,…,K；S93、計(jì)算當(dāng)前時(shí)間點(diǎn)對(duì)于用戶下一時(shí)間點(diǎn)各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值P‾i(t)=P‾i′(t)=Σk=1k=KPi′,k(t)K;]]>其中，P‾i′(t)]]>表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)的K組參數(shù)的預(yù)測(cè)結(jié)果求平均值的結(jié)果。進(jìn)一步地，步驟S10所述原始電能使用量的預(yù)測(cè)值具體為：P^i(t)=(max{S^i(j′),j′=1,2,3...,N}-min{S^i(j′),j′=1,2,3...,N})(P‾i(t)+1)2+min{S^i(j′),j′=1,2,3...,N});]]>其中，max{*}表示取最大值，min{*}表示取最小值。本發(fā)明的有益效果：本發(fā)明的一種智能電網(wǎng)電能使用量預(yù)測(cè)方法，首先根據(jù)用電用戶種類的不同，從電能使用數(shù)據(jù)中提取相關(guān)電能使用量特征參數(shù)，并進(jìn)行數(shù)據(jù)預(yù)處理；然后，構(gòu)建多個(gè)神經(jīng)網(wǎng)絡(luò)分別預(yù)測(cè)各用電業(yè)務(wù)類型的電能使用量，各神經(jīng)網(wǎng)絡(luò)的參數(shù)由本申請(qǐng)?zhí)峁┑囊环N快速算法生成；最后，由各用電業(yè)務(wù)類型電能使用量計(jì)算得到預(yù)測(cè)的總電能使用量；本發(fā)明的方法充分考慮電能使用量所包含不同類型用電行為以及它們之間的內(nèi)在時(shí)空關(guān)聯(lián)，解決了傳統(tǒng)預(yù)測(cè)方法對(duì)預(yù)測(cè)精度的限制問(wèn)題，并且本發(fā)明的方法能夠?qū)崿F(xiàn)快速、準(zhǔn)確地預(yù)測(cè)。附圖說(shuō)明圖1為本發(fā)明提供的一種智能電網(wǎng)電能使用量預(yù)測(cè)方法框圖。圖2為本發(fā)明提供的用于預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。圖3為本發(fā)明提供的預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖。具體實(shí)施方式為便于本領(lǐng)域技術(shù)人員理解本發(fā)明的技術(shù)內(nèi)容，下面結(jié)合附圖對(duì)本
發(fā)明內(nèi)容進(jìn)一步闡釋。如圖1所示為本發(fā)明提供的一種智能電網(wǎng)電能使用量預(yù)測(cè)方法框圖，本申請(qǐng)中涉及的電網(wǎng)電能使用量即電網(wǎng)中用戶的用電量。本發(fā)明的技術(shù)方案為：一種智能電網(wǎng)電能使用量預(yù)測(cè)方法，包括：S1、根據(jù)用電業(yè)務(wù)類型確定電能使用量特征參數(shù)；所述電能使用量特征參數(shù)表示對(duì)應(yīng)用電業(yè)務(wù)類型的電能使用量。從實(shí)際智能電網(wǎng)中的電能使用監(jiān)測(cè)設(shè)備，如智能電表，可獲取電能使用數(shù)據(jù)。這些電能使用數(shù)據(jù)包括：用戶隨時(shí)間變化的用電量、電流、電壓、頻率等。不同的用電業(yè)務(wù)類型會(huì)在用電量、電流、電壓、頻率等參數(shù)上表現(xiàn)出其獨(dú)有的特點(diǎn)(如波形等)，通過(guò)信號(hào)分析與處理，已有技術(shù)能夠通過(guò)分析用戶隨時(shí)間變化的用電量、電流、電壓、頻率，提取出不同的用電業(yè)務(wù)類型隨時(shí)間變化的用電量。根據(jù)用電業(yè)務(wù)類型的不同，我們可以從電能使用數(shù)據(jù)中提取相關(guān)電能使用量特征參數(shù)描述用戶的電能使用量。本申請(qǐng)中，采用多個(gè)用電業(yè)務(wù)類型的電能使用量作為電能使用量特征參數(shù)。具體的：描述不同的用電業(yè)務(wù)類型，需使用不同的電能使用量特征參數(shù)。如居民用電用戶，可使用隨時(shí)間變化的照明用電量、廚房插座用電量、洗碗機(jī)用電量、微波爐用電量、洗衣機(jī)用電量、烤箱用電量、冰箱用電量、浴室電器用電量、電熱爐用電量、空調(diào)用電量以及其它用電量這11個(gè)電能使用量特征參數(shù)來(lái)描述其電能使用量。本申請(qǐng)中，采用M個(gè)電能使用量特征參數(shù)描述用戶的電能使用量，根據(jù)用電業(yè)務(wù)類型的不同，M可以取不同的值，用戶電能使用量的預(yù)測(cè)可通過(guò)對(duì)用戶不同用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)實(shí)現(xiàn)，即預(yù)測(cè)M個(gè)描述用戶電能使用量的特征參數(shù)。S2、確定電能使用量特征參數(shù)的時(shí)間標(biāo)度，構(gòu)造描述電能使用量的多時(shí)間序列其中，表示第i個(gè)電能使用量的特征參數(shù)在第t個(gè)時(shí)間點(diǎn)的原始電能使用量，i＝1,2,3…,M，M表示電能使用量的特征參數(shù)的總個(gè)數(shù)，t表示時(shí)間點(diǎn)序號(hào)。根據(jù)不同的預(yù)測(cè)任務(wù)，如按每小時(shí)進(jìn)行預(yù)測(cè)或按天進(jìn)行預(yù)測(cè)，電能使用量特征參數(shù)可選擇相應(yīng)的時(shí)間標(biāo)度U，如15分鐘、1小時(shí)或者1天。選定時(shí)間標(biāo)度U后，每個(gè)單位時(shí)間標(biāo)度內(nèi)各用電業(yè)務(wù)類型的電能使用量為該電能使用量特征參數(shù)所對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量，記為即第t個(gè)時(shí)間點(diǎn)的第i個(gè)電能使用量特征參數(shù)所對(duì)應(yīng)的用電業(yè)務(wù)類型原始電能使用量。每個(gè)時(shí)間點(diǎn)上，用戶的電能使用量用M個(gè)電能使用量特征參數(shù)表示，所有電能使用量特征參數(shù)隨時(shí)間的變化構(gòu)成描述電能使用量的多時(shí)間序列，即其中，i＝1,2,3…,M,t為時(shí)間點(diǎn)序號(hào)。S3、根據(jù)步驟S2中確定的時(shí)間標(biāo)度，得到訓(xùn)練時(shí)窗的長(zhǎng)度；并在訓(xùn)練時(shí)窗中對(duì)進(jìn)行歸一化處理；根據(jù)步驟S2中選取的時(shí)間標(biāo)度U，確定需要的訓(xùn)練數(shù)據(jù)個(gè)數(shù)N，即訓(xùn)練時(shí)窗的長(zhǎng)度。訓(xùn)練數(shù)據(jù)個(gè)數(shù)N可取一個(gè)周期時(shí)間長(zhǎng)度內(nèi)，如一天、一周或者一月，單位時(shí)間標(biāo)度個(gè)數(shù)的50-100倍。對(duì)于U為15分鐘時(shí)，則N為(60/15)*24*50＝4800；對(duì)于U為1小時(shí)時(shí)，則N為24*100＝2400；對(duì)于U為1天時(shí)，則N為30*100＝3000。當(dāng)前時(shí)間點(diǎn)以及其前N-1個(gè)時(shí)間點(diǎn)的數(shù)據(jù)構(gòu)成訓(xùn)練時(shí)窗中的數(shù)據(jù)。在訓(xùn)練時(shí)窗中，可用如下公式對(duì)描述電能使用量的多時(shí)間序列進(jìn)行歸一化。Si(t)=S^i(t)-min{S^i(j′),j′=1,2,3...,N}max{S^i(j′),j′=1,2,3...,N}-min{S^i(j′),j′=1,2,3...,N}×2-1;]]>對(duì)電能使用量的多時(shí)間序列進(jìn)行歸一化能夠避免值域范圍較大的電能使用量特征參數(shù)覆蓋掉值域范圍較小的電能使用量特征參數(shù)對(duì)最終預(yù)測(cè)結(jié)果的影響。后文中，為敘述方便，本申請(qǐng)中Si(t)表示第i個(gè)電能使用量特征參數(shù)在第t個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的歸一化后的電能使用量，稱為第i個(gè)電能使用量特征參數(shù)所對(duì)應(yīng)用電業(yè)務(wù)類型在第t個(gè)時(shí)間點(diǎn)的原始電能使用量，表示第i個(gè)電能使用量特征參數(shù)在第訓(xùn)練時(shí)窗中第j′個(gè)時(shí)刻對(duì)應(yīng)的原始電能使用量。S4、根據(jù)步驟S2中確定的時(shí)間標(biāo)度，得到歷史時(shí)窗長(zhǎng)度；確定待預(yù)測(cè)時(shí)間點(diǎn)的輸入向量其中，Xi，j(t)表示在第t個(gè)時(shí)間點(diǎn)預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)時(shí)，所需輸入向量的第j個(gè)數(shù)值，T表示歷史時(shí)窗長(zhǎng)度，所述T為一個(gè)周期時(shí)間長(zhǎng)度內(nèi)的單位時(shí)間標(biāo)度個(gè)數(shù)。根據(jù)步驟S2中選取的時(shí)間標(biāo)度U，確定歷史時(shí)窗長(zhǎng)度T。歷史時(shí)窗長(zhǎng)度T為一個(gè)周期時(shí)間長(zhǎng)度內(nèi)。如一天、一周或一月。的單位時(shí)間標(biāo)度個(gè)數(shù)。對(duì)于U為15分鐘時(shí)，T為(60/15)×24＝96；對(duì)于U為1小時(shí)時(shí)，T為24；對(duì)于U為1天時(shí)，T為30。當(dāng)前時(shí)間點(diǎn)以及其前N-1個(gè)時(shí)間點(diǎn)的數(shù)據(jù)構(gòu)成歷史時(shí)窗中的數(shù)據(jù)。由于M個(gè)電能使用量特征參數(shù)描述的M個(gè)用電業(yè)務(wù)類型電能使用量在同一時(shí)間點(diǎn)具有相關(guān)性(對(duì)應(yīng)用戶的某種活動(dòng))，并且，各電能使用量特征參數(shù)在當(dāng)前點(diǎn)的值與該電能使用量特征參數(shù)在歷史時(shí)窗中的值具有時(shí)間相關(guān)性。因此，對(duì)于第i個(gè)電能使用量特征參數(shù)在下一個(gè)時(shí)間點(diǎn)值的預(yù)測(cè)，即對(duì)于第i個(gè)用電業(yè)務(wù)類型在下一個(gè)時(shí)間點(diǎn)電能使用量的預(yù)測(cè)，可使用當(dāng)前時(shí)間點(diǎn)所有電能使用量特征參數(shù)的值以及該電能使用量特征參數(shù)在歷史時(shí)窗內(nèi)的所有值作為預(yù)測(cè)需要的輸入向量。本申請(qǐng)記第i個(gè)電能使用量特征參數(shù)在下一個(gè)時(shí)間點(diǎn)(第t+1個(gè)時(shí)間點(diǎn))的預(yù)測(cè)值為Pi(t)(i＝1,2,3…,M)，其對(duì)應(yīng)的輸入向量為：X→i(t)={Zi(t),Z^i(t)},(i=1,2,3...,M).]]>其中，Zi(t)＝{Si(t),Si(t-1),...,Si(t-T+1)}，Pi(t)是對(duì)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型在第t+1個(gè)時(shí)間點(diǎn)的電能使用量Si(t+1)的預(yù)測(cè)。Yi(t)是第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型在第t+1個(gè)時(shí)間點(diǎn)的電能使用量Si(t+1)的真實(shí)值，即目標(biāo)值。為后文敘述方便，本申請(qǐng)記其中，Xi,j(t)表示在第t個(gè)時(shí)間點(diǎn)預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)時(shí)，所需輸入向量的第j個(gè)數(shù)值。由于Si(t)已經(jīng)歸一化，所以此時(shí)無(wú)需再對(duì)Xi,j(t)進(jìn)行歸一化。在后續(xù)使用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)的步驟中，本申請(qǐng)將直接使用作為待預(yù)測(cè)時(shí)間點(diǎn)的輸入向量。S5、初始化M個(gè)神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)第i′個(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)得到第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量；并確定各神經(jīng)網(wǎng)絡(luò)的隱層層數(shù)與隱層節(jié)點(diǎn)個(gè)數(shù)。如圖2所示為用于預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，為M+T-1維行向量，代表第i′個(gè)神經(jīng)網(wǎng)絡(luò)中第j″個(gè)隱層節(jié)點(diǎn)的輸入權(quán)重；bi′,j″為一個(gè)數(shù)值，代表第i′個(gè)神經(jīng)網(wǎng)絡(luò)中第j″個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)的偏置；βi′,j″表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中連接第j″個(gè)隱層節(jié)點(diǎn)和網(wǎng)絡(luò)輸出之間的外權(quán)值；表示第j″個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)于輸入向量的i′輸出，G(·)為激活函數(shù)。本申請(qǐng)使用M個(gè)神經(jīng)網(wǎng)絡(luò)并行地對(duì)M類用電業(yè)務(wù)類型的電能使用量進(jìn)行預(yù)測(cè)。第i′個(gè)神經(jīng)網(wǎng)絡(luò)所預(yù)測(cè)的對(duì)象為第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型的電能使用量，其對(duì)應(yīng)的輸入向量(在第t個(gè)時(shí)間點(diǎn))為預(yù)測(cè)值為(在第t個(gè)時(shí)間點(diǎn))Pi(t)，目標(biāo)值為(在第t個(gè)時(shí)間點(diǎn))Yi(t)。對(duì)于各神經(jīng)網(wǎng)絡(luò)，本申請(qǐng)均選取單隱層網(wǎng)絡(luò)，即隱層層數(shù)為1。單隱層神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練速度快、不容易過(guò)擬合等優(yōu)點(diǎn)。各神經(jīng)網(wǎng)絡(luò)中隱層節(jié)點(diǎn)的個(gè)數(shù)Li′，本申請(qǐng)通過(guò)樣本數(shù)據(jù)測(cè)試來(lái)確定，具體步驟如下：1.首先設(shè)定目標(biāo)神經(jīng)網(wǎng)絡(luò)的隱層節(jié)點(diǎn)個(gè)數(shù)Li′＝1。2.輸入50組訓(xùn)練樣本進(jìn)行訓(xùn)練，分別計(jì)算預(yù)測(cè)結(jié)果誤差，計(jì)算50組訓(xùn)練樣本預(yù)測(cè)誤差的平均值。3.令Li′＝Li′+1，再次計(jì)算使用該隱層節(jié)點(diǎn)數(shù)時(shí)，50組訓(xùn)練樣本預(yù)測(cè)誤差的平均值。若Li′增加時(shí)，使用訓(xùn)練樣本計(jì)算的預(yù)測(cè)誤差平均值較上一次的值減小比率小于閥值，本申請(qǐng)選擇默認(rèn)值為0.1％作為閥值，則確定此時(shí)的Li′為目標(biāo)神經(jīng)網(wǎng)絡(luò)中隱層節(jié)點(diǎn)的個(gè)數(shù)；否則，返回到步驟3。減小比率具體為：令當(dāng)前隱層節(jié)點(diǎn)個(gè)數(shù)Li′，得到的D組訓(xùn)練樣本預(yù)測(cè)誤差的平均值為Mean1，Li′-1對(duì)應(yīng)的的平均值為Mean2，則減小比率為：|Mean1-Mean2|/Mean1。S6、判斷是否需要計(jì)算各神經(jīng)網(wǎng)絡(luò)參數(shù)組；若是，則轉(zhuǎn)至步驟S7，否則轉(zhuǎn)至步驟S9。如圖3所示為預(yù)測(cè)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖，具體步驟如下：首先，定義參數(shù)評(píng)估時(shí)窗以幫助判斷是否需要重新計(jì)算各神經(jīng)網(wǎng)絡(luò)參數(shù)組。參數(shù)評(píng)估時(shí)窗由當(dāng)前時(shí)間點(diǎn)及其前N0-1個(gè)個(gè)時(shí)間點(diǎn)構(gòu)成。在本申請(qǐng)中，參數(shù)評(píng)估時(shí)窗長(zhǎng)度N0的默認(rèn)取值為5。然后，定義參數(shù)評(píng)估時(shí)窗內(nèi)第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量預(yù)測(cè)的平均誤差為：δ‾i(t0)=Σt=t0-N0+1t0|P^i(t-1)-Si(t)|Si(t)N0×100%]]>其中，t0為當(dāng)前時(shí)刻，為第t-1個(gè)時(shí)間點(diǎn)上所預(yù)測(cè)電能使用量的平均值，即在第t-1個(gè)時(shí)間點(diǎn)對(duì)于Si(t)進(jìn)行多次預(yù)測(cè)的平均預(yù)測(cè)值。再者，如果各神經(jīng)網(wǎng)絡(luò)尚未初始化或者截止到當(dāng)前時(shí)間點(diǎn)已進(jìn)行預(yù)測(cè)的時(shí)間點(diǎn)個(gè)數(shù)小于N0，所有的神經(jīng)網(wǎng)絡(luò)均進(jìn)入?yún)?shù)組訓(xùn)練步驟，計(jì)算每個(gè)神經(jīng)網(wǎng)絡(luò)的參數(shù)組。否則，依次對(duì)每個(gè)神經(jīng)網(wǎng)絡(luò)的參數(shù)組是否需要重新計(jì)算進(jìn)行判斷。最后，若待判斷神經(jīng)網(wǎng)絡(luò)所預(yù)測(cè)的第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量在參數(shù)評(píng)估時(shí)窗內(nèi)的平均誤差大于給定閥值，視預(yù)測(cè)精度要求而定，比如本申請(qǐng)中取為訓(xùn)練樣本預(yù)測(cè)誤差的平均值Mean的1.5倍，根據(jù)不同精度需求，也可取2倍、3倍、1.2倍等，則該神經(jīng)網(wǎng)絡(luò)需要重新計(jì)算參數(shù)組。否則，該神經(jīng)網(wǎng)絡(luò)不需要重新計(jì)算參數(shù)組，在預(yù)測(cè)該神經(jīng)網(wǎng)絡(luò)所對(duì)應(yīng)的第i個(gè)電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量時(shí)，可以直接利用當(dāng)前該神經(jīng)網(wǎng)絡(luò)的參數(shù)組進(jìn)行預(yù)測(cè)。S7、對(duì)各神經(jīng)網(wǎng)絡(luò)進(jìn)行K次訓(xùn)練，得到每個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的K組參數(shù)組；本申請(qǐng)中設(shè)定訓(xùn)練次數(shù)為K＝50，具體為：根據(jù)歷史數(shù)據(jù)進(jìn)行訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)的參數(shù)組；具體包括以下步驟：S71、對(duì)第i′個(gè)神經(jīng)網(wǎng)絡(luò)的輸入權(quán)重矩陣和隱層節(jié)點(diǎn)偏置向量進(jìn)行賦值；其中，表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中所有輸入節(jié)點(diǎn)到第j個(gè)隱層節(jié)點(diǎn)的輸入權(quán)重，其中，bi′,j表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中第j個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)的偏置值；對(duì)于預(yù)測(cè)第i′個(gè)用電業(yè)務(wù)類型電能使用量的神經(jīng)網(wǎng)絡(luò)，需要對(duì)其參數(shù)和進(jìn)行賦值。其中，為隨機(jī)生成的Li′*(M+T-1)大小的矩陣，為第i′個(gè)神經(jīng)網(wǎng)絡(luò)中所有輸入節(jié)點(diǎn)到第j″個(gè)隱層節(jié)點(diǎn)的輸入權(quán)重，是一維的長(zhǎng)度為M+T-1的向量。為隨機(jī)生成Li′*1大小的向量。其中，bi′,j″表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中第j″個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)的偏置值。神經(jīng)網(wǎng)絡(luò)輸入權(quán)重和隱層節(jié)點(diǎn)偏置bi′,j″(j″＝1,2,3...,Li′)由系統(tǒng)隨機(jī)生成。以上隨機(jī)數(shù)可由一個(gè)在[0,1]均勻分布的概率密度函數(shù)產(chǎn)生。S72、計(jì)算神經(jīng)網(wǎng)絡(luò)輸出矩陣H0；神經(jīng)網(wǎng)絡(luò)的激活函數(shù)我們選取Sigmoid函數(shù)。G(x)=11+e-x]]>對(duì)于輸入向量具有Li′個(gè)隱層節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)的輸出表達(dá)式為：Yi′(t)=Σj′′=1j′′=Li′βi′,j′′G(a→i′,j′′,bi′,j′′,X→i′(t))]]>式中，Yi′(t)為第i′個(gè)神經(jīng)網(wǎng)絡(luò)在第t個(gè)時(shí)間點(diǎn)所預(yù)測(cè)電能使用量的真實(shí)值，即Si(t)，為第i′個(gè)神經(jīng)網(wǎng)絡(luò)的輸入權(quán)重，bi′,j為第i′個(gè)神經(jīng)網(wǎng)絡(luò)第j″個(gè)隱層節(jié)點(diǎn)的偏置，βi′,j表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)中連接第j″個(gè)隱層節(jié)點(diǎn)和神經(jīng)網(wǎng)絡(luò)輸出的外權(quán)，表示第i′個(gè)神經(jīng)網(wǎng)絡(luò)第j″個(gè)隱層節(jié)點(diǎn)對(duì)應(yīng)于樣本的隱層節(jié)點(diǎn)輸出。對(duì)于加法型的隱層節(jié)點(diǎn)，的表達(dá)式為：G(a→i′,j′′,bi′,j′′,X→i′(t))=11+exp(-(a→i′,j′′·X→i′(t)+bi′,j′′))]]>其中，代表權(quán)重向量和輸入向量的內(nèi)積。本申請(qǐng)中定義G(·):R->R為一個(gè)名字叫G，定義域、值域均為實(shí)數(shù)的映射；函數(shù)G(·)的定義即是上文中的函數(shù)即“·”代表該函數(shù)的所有自變量；“R->R”中前一個(gè)R表示定義域?yàn)閷?shí)數(shù)，后一個(gè)R表示值域?yàn)閷?shí)數(shù)，->為映射符號(hào)。使用N(N為步驟3中定義的訓(xùn)練數(shù)據(jù)個(gè)數(shù))個(gè)連續(xù)時(shí)間點(diǎn)的輸入數(shù)據(jù)可計(jì)算第i′個(gè)神經(jīng)網(wǎng)絡(luò)的輸出矩陣H0：S73、計(jì)算神經(jīng)網(wǎng)絡(luò)輸出外權(quán)仍然使用步驟S72中所述的N，N為步驟S3中定義的訓(xùn)練數(shù)據(jù)個(gè)數(shù)，個(gè)連續(xù)時(shí)間點(diǎn)的輸入數(shù)據(jù)計(jì)算第i′個(gè)神經(jīng)網(wǎng)絡(luò)輸出外權(quán)的計(jì)算公式如下：β→i′=H0+Q;]]>其中，表示神經(jīng)網(wǎng)絡(luò)輸出矩陣H0的廣義逆，為神經(jīng)網(wǎng)絡(luò)輸出矩陣H0的轉(zhuǎn)置，為矩陣的逆矩陣；Yi′(t)為第i′個(gè)神經(jīng)網(wǎng)絡(luò)在第t個(gè)時(shí)間點(diǎn)所預(yù)測(cè)電能使用量的真實(shí)值，t＝1,2,3…,N，N表示訓(xùn)練數(shù)據(jù)個(gè)數(shù)。是一個(gè)Li′×1的列向量。S8、判斷待訓(xùn)練神經(jīng)網(wǎng)絡(luò)是否已完成全部訓(xùn)練，若是，則轉(zhuǎn)至步驟S9；否則轉(zhuǎn)步驟S7。依次對(duì)每個(gè)待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行判斷，若待判斷神經(jīng)網(wǎng)絡(luò)未完成50次獨(dú)立訓(xùn)練，則轉(zhuǎn)到步驟S7繼續(xù)進(jìn)行訓(xùn)練；當(dāng)所有待訓(xùn)練神經(jīng)網(wǎng)絡(luò)均已完成50次獨(dú)立訓(xùn)練時(shí)，則完成了進(jìn)行當(dāng)前時(shí)間點(diǎn)電能使用量預(yù)測(cè)需要的神經(jīng)網(wǎng)絡(luò)參數(shù)組計(jì)算。通過(guò)步驟S7可以得到第i′個(gè)神經(jīng)網(wǎng)絡(luò)的一組參數(shù)和對(duì)每個(gè)待訓(xùn)練神經(jīng)網(wǎng)絡(luò)，本申請(qǐng)采用相同的輸入數(shù)據(jù)進(jìn)行50次獨(dú)立訓(xùn)練。依次對(duì)每個(gè)待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行判斷。若待判斷神經(jīng)網(wǎng)絡(luò)未完成50次獨(dú)立訓(xùn)練，則轉(zhuǎn)到步驟S7繼續(xù)進(jìn)行訓(xùn)練。當(dāng)所有待訓(xùn)練神經(jīng)網(wǎng)絡(luò)均已完成50次獨(dú)立訓(xùn)練時(shí)，則完成了進(jìn)行當(dāng)前時(shí)間點(diǎn)電能使用量預(yù)測(cè)需要的神經(jīng)網(wǎng)絡(luò)參數(shù)組計(jì)算，則轉(zhuǎn)至步驟S9。S9、對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，具體為：通過(guò)計(jì)算得到當(dāng)前時(shí)間點(diǎn)對(duì)于用戶下一時(shí)間點(diǎn)各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值；具體包括以下分步驟：S91、計(jì)算當(dāng)前時(shí)間點(diǎn)各神經(jīng)網(wǎng)絡(luò)的輸出矩陣H；對(duì)于第i′個(gè)神經(jīng)網(wǎng)絡(luò)的每組參數(shù)和其輸出矩陣可用如下公式計(jì)算：H=G(a→i′,1,bi′,1,X→i′(t)...G(a→i′,Li′,bi′,Li′,X→i′(t))1×Li′;]]>S92、計(jì)算當(dāng)前時(shí)間點(diǎn)對(duì)于用戶下一時(shí)間點(diǎn)各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)值{Pi,k(t)}；對(duì)于第i′個(gè)神經(jīng)網(wǎng)絡(luò)的第k組參數(shù)和均可得到一個(gè)第i類電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)值Pi,k(t)，通過(guò)計(jì)算第i′個(gè)神經(jīng)網(wǎng)絡(luò)的第k組參數(shù)的預(yù)測(cè)結(jié)果，對(duì)應(yīng)得到Pi,k(t)，計(jì)算公式如下：Pi,k(t)=Pi′,k(t)=G(a→i′,1,bi′,1,X→i′(t)...G(a→i′,Li′,bi′,Li′,X→i′(t))1×Li′βi′,1...βi′,Li′Li′×1]]>S93、計(jì)算當(dāng)前時(shí)間點(diǎn)對(duì)于用戶下一時(shí)間點(diǎn)各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值通過(guò)計(jì)算第i′個(gè)神經(jīng)網(wǎng)絡(luò)的K＝50組參數(shù)的預(yù)測(cè)結(jié)果求平均值的結(jié)果，對(duì)應(yīng)得到從而得到P‾i(t)=P‾i′(t)=Σk=1k=50Pi′,k(t)50.]]>S10、對(duì)步驟S9得到的各電能使用量特征參數(shù)對(duì)應(yīng)的用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值進(jìn)行反歸一化處理，得到原始電能使用量的預(yù)測(cè)值；將各用電業(yè)務(wù)類型電能使用量的預(yù)測(cè)平均值進(jìn)行反歸一化，得到各用電業(yè)務(wù)類型原始電能使用量的預(yù)測(cè)值當(dāng)前時(shí)間點(diǎn)對(duì)用戶下一時(shí)間點(diǎn)各用電業(yè)務(wù)類型原始電能使用量的預(yù)測(cè)值可使用如下公式計(jì)算：P^i(t)=(max{S^i(j′),j′=1,2,3...,N}-min{S^i(j′),j′=1,2,3...,N})(P‾i(t)+1)2+min{S^i(j′),j′=1,2,3...,N})]]>S11、判斷下一個(gè)時(shí)間點(diǎn)是否需要進(jìn)行預(yù)測(cè)，若是，轉(zhuǎn)至步驟S2；否則結(jié)束。本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3