基于人工神经网络的短期电路负荷预测
基于人工神经网络的短期电路负荷预测[20191213104349]
摘 要
电力系统的作用是对各类用户尽可能经济地提供可靠持续并且具有良好质量的电能，就是要可靠、安全、经济地供电，满足负荷的要求。负荷的大小与特征，无论是对于电力系统规划或者运行研究而言，都是极为重要的因素。所以，电力系统短期负荷预测是电力调度环节中十分重要的一环，是电力市场运作中的重要组成部分。以人工神经网络为基础的短期负荷预测对于保证电力系统安全经济运行和实现电网科学管理及调度有重要意义。准确的负荷预测有助于提高系统的安全性和经济性，能够减少发电成本。因此，寻求合适的负荷预测方法以最大限度的提高预测精度具有重要的应用价值。
本文主要介绍了基于人工神经网络的短期电力负荷预测的研究工作。首先介绍和分析了负荷预测的传统和现代的研究方法，然后简要的介绍了短期负荷预测和人工神经网络的基本概念以及知识，以及选定的BP算法的理论介绍和算法选择，接着根据课题需要，选取了合理的算例，简要介绍了程序设计，分析检验了搭建的预测模型在实际的使用效果，最后根据实际应用情况分析了设计中的不足并提出了改进意见。
查看完整论文请+Q: 351916072
关键字:电力系统；人工神经网络；短期负荷预测；BP算法
目 录
摘 要 I
Abstract II
第一章 绪论 1
1.1 课题研究背景与意义 1
1.2 负荷预测的研究方法 2
1.2.1 传统的预测方法 2
1.2.2 现代的预测方法 4
1.3 本文的主要研究内容 7
第二章 短期负荷预测的概述 8
2.1 负荷预测的概念 8
2.2 负荷预测的分类 9
2.3 负荷预测的基本要求 10
第三章 基于BP网络的短期负荷预测 12
3.1 人工神经网络 12
3.1.1 神经网络的基本模型 13
3.1.2 人工神经网络的特征 15
3.1.3 人工神经网络的分类 17
3.1.4 神经网络的发展概况 17
3.2 BP神经网络（前向神经网络） 18
3.2.1 BP神经网络的模型结构 19
3.2.2 BP神经网络的预测模型分析 20
第四章 程序设计与结果分析 23
4.1 算例介绍 23
4.2 算法流程和结构设计过程 24
4.3 MATLAB工具箱应用 25
4.4 仿真结果 27
4.5 结果分析 29
第五章 结论与展望 31
5.1 本次设计完成的工作 31
5.2 设计中的不足及改进建议 31
5.3 课题展望 32
参考文献 33
致 谢 35
附 录 36
第一章 绪论
1.1 课题研究背景与意义
电力系统（electric power system）是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电过程后将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、经济、优质的电能。电力系统的出现，使高效、无污染、使用方便、易于调控的电能得到广泛应用，推动了社会生产各个领域的变化，开创了电力时代，产生了第二次技术革命。电力系统的规模和技术水准已成为一个国家经济发展水平的标志之一。
电力系统是国民经济的一个重要组成部分，国家的工农业生产、人们日常生活每时每刻都离不开电力。正是由于电力系统在国民经济中的重要地位，使得人们对电力系统供电的可靠性提出了越来越高的要求。与此同时，电力系统也正在由过去的计划经济模式逐渐走向竞争型的市场经济模式，如何最大程度地稳定电力负荷的供需平衡、提高发供电企业的经济效益成为电力系统所面临的重要问题。电力作为一种特殊的商品，它自身无法很好地保存，所以做好电力需要的预测工作队减少动力资源的浪费，提高发电企业的效益具有重要的意义。
电力系统的作用是对各类用户尽可能经济地提供可靠持续并且具有良好质量的电能。用电力系统部门术语来说，就是要可靠、安全、经济地供电，满足负荷的要求。负荷的大小与特征，无论是对于电力系统规划或者运行研究而言，都是极为重要的因素。所以，对负荷的变化和特点，有一个事先的估计，是电力系统规划与运行研究的重要内容。
电力系统负荷预测是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、经济、优质的电能。[5]
电力市场中，电力负荷的调度发生了比较大的变化，厂网分离，发电市场开放，各发电企业竞争上网。电网的电量采购则以采购成本最小为原则，电价是电量采购的一个重要因素。发电企业根据电网公布的短期负荷预测结果报价，负荷预测成为电量采购的基础，直接影响到电网及发电企业的经济效益。有效的短期负荷预测可以使得电网电量采购的分配更为合理，有效地降低采购成本，增大效益。因此，短期负荷预测对于保证电力系统安全经济运行和实现电网科学管理及调度有重要意义，是电网商业化运营必须的一项基本内容。准确的负荷预测成为电力企业制定购电和售电方案的基础，从而确保电网安全经济运行，为电力市场中的发电和供电商带来巨大的经济效益[1]。
如何训练并且利用人工神经网络智能预测电力负荷的实时信息，是本次研究的目的与意义。
1.2 负荷预测的研究方法
电力负荷预测可以分为经典预测方法和现代预测方法两种。
1.2.1 传统的预测方法
1、时间序列法
所谓时间序列法，就是根据目前为止的历史资料数据，即时间序列所呈现出来的发展趋势和规律，用数学的方法进行延伸、外推，估计出今后各时期的指标值。时间序列中的预测变量是受许许多多。大大小小的因素影响、决定的，但时间序列的分析和预测方法只是从这些因素的综合影响的最终结果，即指标值本身分析、研究其发展变化趋势和规律，而不去追究其发展变化的内在原因及指标与各影响因素之间的因果关系。其主要数学模型有AR模型、MA模型和ARMA模型等，其通用表达式为：
（1-1）
式中： 为自回归数； 为自回归阶数； 为滑动平均系数；q为滑动平均阶数；
为 时刻的负荷值； 为 时刻的白噪声。
该方法原理成熟应用简便，主要根据过去的负荷值及干扰值来推算未来负荷，不需要相关因素的资料，因此在一些相关因素的预测值、某些常数难以得到时比较适用。另一方面这个方法要求的历史数据少，但由于是基于统计的模型，所以预测精度不高。由于中长期电力负荷受多种因素的影响，所以此方法对电力负荷的预测存在着局限性；
2、趋势外推法
趋势外推的基本假设是未来是过去和现在连续发展的结果。趋势外推法的基本理论是：决定事物过去发展的因素，在很大程度上也决定该事物未来的发展，其变化，不会太大；事物发展过程一般都是渐进式的变化，而不是跳跃式的变化掌握事物的发展规律，依据这种规律推导，就可以预测出它的未来趋势和状态。
当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条适合的函数曲线反映这种变化趋势时，就可以用时间 为自变量，时序数值 为因变量，建立趋势模型 。当有理由相信这种趋势能够延伸到未来时，赋予变量所需要的值，可以得到相应时刻的时间序列未来值，这就是趋势外推法。外推法有线性趋势外推法、对数趋势外推法、二次曲线趋势外推法、指数曲线趋势外推法，生长曲线趋势外推法。
应用趋势外推法有两个假设条件：（1）假设负荷没有跳跃式变化；（2）假设负荷的发展因素也决定未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图像识别法和差分法是选择趋势模型的两种基本方法。
趋势外推法的优点是只需要历史数据、所需的数据量较少。缺点是如果负荷出现变动，会引起较大的误差。
3、回归分析法
回归分析法是根据历史数据以及一些影响负荷变化的外来因素来推断将来时刻的负荷值，主要采用多元线性回归模型建立负荷与影响其变化的因素之间的关系，影响负荷变化的因素很多，主要有温度，时间以及一些随机因素，其中温度尤其突出。回归分析法原理和结构简单，预测速度快，外推特性好等特点，但其对历史数据要求高，模型构建困难，无法详细的考虑各种影响负荷的因素。
回归分析法是电力负荷预测的一种常用方法。一个地区电力需求与该地区的国内生产总值。人口数量等多个因素相关。电力负荷回归模型预测就是根据负荷过去的历史资料，建立可以进行数学分析的数学模型，对未来的负荷进行预测。从数学上看，就是用数理统计中的回归分析法，即通过对变量的观察数据进行统计分析，确定变量之间的相关关系，从而实现预测的目的。回归预测包括线性回归和非线性回归，两者都包括一元线性回归和多元线性回归两种形式。主要采用多元非线性回归模型建立负荷与影响因素之间的关系，预测值可写为：
（1-2）
式中： 为 时刻的预测负荷值； 为第 个影响负荷变化的因素在 时刻的取值； 为回归系数。
影响电力系统负荷的因素很多，如气象因素（如温度、气候）、时间因素(如日夜、工作日等)、季节因素以及一些随机因素等。实际负荷预测时应根据客观条件选择合适的因素建立模型。回归分析法的主要优点在于它能够通过模型来解释各变量之间的关系，它对因果关系的处理是十分有效的。同时，它也有缺点，一是要收集较多的观测值，它的预测准确度与样本含量有关，所以付出的代价一般比较大；二是计算量大；三是要经常评审模型。[2]
1.2.2 现代的预测方法
1、专家系统法
专家系统方法是一种人工智能的计算机程序系统，这些程序具有相当于某个专门领域的专家的知识和经验水平，并能像专家那样运用这些知识，通过推理，在那个领域内做出智能决策。一个完整的专家系统是由四个部分组成:知识库、推理机、知识获取部分和界面。其对数据库里存放的过去几年的每小时的负荷和天气数据进行细致的分析，按照一定的规则推理进行负荷预测。专家系统进行负荷预测离不开预测人员的丰富经验和判断能力，但是专家知识转化为数学规则是特别困难的。由于专家系统具有一定的局限性，很少有文献单独将其应用于电力负荷预测中，通常的方法是将专家系统与模糊理论、神经网络等相结合，即根据预测机制应用专家系统对某预测结果进行修正。
2、模糊控制法
模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。
模糊控制法首先将负荷预测的输入、输出空间划分为不等的模糊集合，如高、中、低等，然后用一组模糊规则来表示负荷预测输入、输出间的关系。每一条模糊规则是一个模糊IF-THEN关系，关系前件是对各个输入变量不同模糊集合，关系后件是输出变量表达式，输出变量表示为各输入变量的线性组合，第i条规则可表示为：
Ri:IF is AND is AND is
THEN （1-3）
其中， 为输入变量。 为输入变量 的第 个模糊集合，相应隶属于子函数可采用高斯子函数或三角形子函数等。 是第 条规则的输出部分， 为规则的输出部分中输入变量的相应系数，为常数项。对于一组输入变量 ， ，模糊控制的最终输出为各规则输出的加权模糊值。
3、人工神经网络法
运用神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别的，其自学习和自适应功能是常规算法和专家系统技术所不具备的。因此，预测被当作人工神经网络（简记为ANN）最有潜力的应用领域之一，许多人都试图应用反传学习算法训练ANN。以用作时间序列预测。误差反向传播算法又称为BP法，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。因此，我们可以将对电力负荷影响最大的几种因素作为输入，即当天的天气温度、天气晴朗度（又称为能见度）、风向风力、峰谷负荷及相关负荷等，争取获得较好的预测结果。
摘 要
电力系统的作用是对各类用户尽可能经济地提供可靠持续并且具有良好质量的电能，就是要可靠、安全、经济地供电，满足负荷的要求。负荷的大小与特征，无论是对于电力系统规划或者运行研究而言，都是极为重要的因素。所以，电力系统短期负荷预测是电力调度环节中十分重要的一环，是电力市场运作中的重要组成部分。以人工神经网络为基础的短期负荷预测对于保证电力系统安全经济运行和实现电网科学管理及调度有重要意义。准确的负荷预测有助于提高系统的安全性和经济性，能够减少发电成本。因此，寻求合适的负荷预测方法以最大限度的提高预测精度具有重要的应用价值。
本文主要介绍了基于人工神经网络的短期电力负荷预测的研究工作。首先介绍和分析了负荷预测的传统和现代的研究方法，然后简要的介绍了短期负荷预测和人工神经网络的基本概念以及知识，以及选定的BP算法的理论介绍和算法选择，接着根据课题需要，选取了合理的算例，简要介绍了程序设计，分析检验了搭建的预测模型在实际的使用效果，最后根据实际应用情况分析了设计中的不足并提出了改进意见。
查看完整论文请+Q: 351916072
关键字:电力系统；人工神经网络；短期负荷预测；BP算法
目 录
摘 要 I
Abstract II
第一章 绪论 1
1.1 课题研究背景与意义 1
1.2 负荷预测的研究方法 2
1.2.1 传统的预测方法 2
1.2.2 现代的预测方法 4
1.3 本文的主要研究内容 7
第二章 短期负荷预测的概述 8
2.1 负荷预测的概念 8
2.2 负荷预测的分类 9
2.3 负荷预测的基本要求 10
第三章 基于BP网络的短期负荷预测 12
3.1 人工神经网络 12
3.1.1 神经网络的基本模型 13
3.1.2 人工神经网络的特征 15
3.1.3 人工神经网络的分类 17
3.1.4 神经网络的发展概况 17
3.2 BP神经网络（前向神经网络） 18
3.2.1 BP神经网络的模型结构 19
3.2.2 BP神经网络的预测模型分析 20
第四章 程序设计与结果分析 23
4.1 算例介绍 23
4.2 算法流程和结构设计过程 24
4.3 MATLAB工具箱应用 25
4.4 仿真结果 27
4.5 结果分析 29
第五章 结论与展望 31
5.1 本次设计完成的工作 31
5.2 设计中的不足及改进建议 31
5.3 课题展望 32
参考文献 33
致 谢 35
附 录 36
第一章 绪论
1.1 课题研究背景与意义
电力系统（electric power system）是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电过程后将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、经济、优质的电能。电力系统的出现，使高效、无污染、使用方便、易于调控的电能得到广泛应用，推动了社会生产各个领域的变化，开创了电力时代，产生了第二次技术革命。电力系统的规模和技术水准已成为一个国家经济发展水平的标志之一。
电力系统是国民经济的一个重要组成部分，国家的工农业生产、人们日常生活每时每刻都离不开电力。正是由于电力系统在国民经济中的重要地位，使得人们对电力系统供电的可靠性提出了越来越高的要求。与此同时，电力系统也正在由过去的计划经济模式逐渐走向竞争型的市场经济模式，如何最大程度地稳定电力负荷的供需平衡、提高发供电企业的经济效益成为电力系统所面临的重要问题。电力作为一种特殊的商品，它自身无法很好地保存，所以做好电力需要的预测工作队减少动力资源的浪费，提高发电企业的效益具有重要的意义。
电力系统的作用是对各类用户尽可能经济地提供可靠持续并且具有良好质量的电能。用电力系统部门术语来说，就是要可靠、安全、经济地供电，满足负荷的要求。负荷的大小与特征，无论是对于电力系统规划或者运行研究而言，都是极为重要的因素。所以，对负荷的变化和特点，有一个事先的估计，是电力系统规划与运行研究的重要内容。
电力系统负荷预测是由发电、输电、变电、配电和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、经济、优质的电能。[5]
电力市场中，电力负荷的调度发生了比较大的变化，厂网分离，发电市场开放，各发电企业竞争上网。电网的电量采购则以采购成本最小为原则，电价是电量采购的一个重要因素。发电企业根据电网公布的短期负荷预测结果报价，负荷预测成为电量采购的基础，直接影响到电网及发电企业的经济效益。有效的短期负荷预测可以使得电网电量采购的分配更为合理，有效地降低采购成本，增大效益。因此，短期负荷预测对于保证电力系统安全经济运行和实现电网科学管理及调度有重要意义，是电网商业化运营必须的一项基本内容。准确的负荷预测成为电力企业制定购电和售电方案的基础，从而确保电网安全经济运行，为电力市场中的发电和供电商带来巨大的经济效益[1]。
如何训练并且利用人工神经网络智能预测电力负荷的实时信息，是本次研究的目的与意义。
1.2 负荷预测的研究方法
电力负荷预测可以分为经典预测方法和现代预测方法两种。
1.2.1 传统的预测方法
1、时间序列法
所谓时间序列法，就是根据目前为止的历史资料数据，即时间序列所呈现出来的发展趋势和规律，用数学的方法进行延伸、外推，估计出今后各时期的指标值。时间序列中的预测变量是受许许多多。大大小小的因素影响、决定的，但时间序列的分析和预测方法只是从这些因素的综合影响的最终结果，即指标值本身分析、研究其发展变化趋势和规律，而不去追究其发展变化的内在原因及指标与各影响因素之间的因果关系。其主要数学模型有AR模型、MA模型和ARMA模型等，其通用表达式为：
（1-1）
式中： 为自回归数； 为自回归阶数； 为滑动平均系数；q为滑动平均阶数；
为 时刻的负荷值； 为 时刻的白噪声。
该方法原理成熟应用简便，主要根据过去的负荷值及干扰值来推算未来负荷，不需要相关因素的资料，因此在一些相关因素的预测值、某些常数难以得到时比较适用。另一方面这个方法要求的历史数据少，但由于是基于统计的模型，所以预测精度不高。由于中长期电力负荷受多种因素的影响，所以此方法对电力负荷的预测存在着局限性；
2、趋势外推法
趋势外推的基本假设是未来是过去和现在连续发展的结果。趋势外推法的基本理论是：决定事物过去发展的因素，在很大程度上也决定该事物未来的发展，其变化，不会太大；事物发展过程一般都是渐进式的变化，而不是跳跃式的变化掌握事物的发展规律，依据这种规律推导，就可以预测出它的未来趋势和状态。
当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条适合的函数曲线反映这种变化趋势时，就可以用时间 为自变量，时序数值 为因变量，建立趋势模型 。当有理由相信这种趋势能够延伸到未来时，赋予变量所需要的值，可以得到相应时刻的时间序列未来值，这就是趋势外推法。外推法有线性趋势外推法、对数趋势外推法、二次曲线趋势外推法、指数曲线趋势外推法，生长曲线趋势外推法。
应用趋势外推法有两个假设条件：（1）假设负荷没有跳跃式变化；（2）假设负荷的发展因素也决定未来的发展，其条件是不变或变化不大。选择合适的趋势模型是应用趋势外推法的重要环节，图像识别法和差分法是选择趋势模型的两种基本方法。
趋势外推法的优点是只需要历史数据、所需的数据量较少。缺点是如果负荷出现变动，会引起较大的误差。
3、回归分析法
回归分析法是根据历史数据以及一些影响负荷变化的外来因素来推断将来时刻的负荷值，主要采用多元线性回归模型建立负荷与影响其变化的因素之间的关系，影响负荷变化的因素很多，主要有温度，时间以及一些随机因素，其中温度尤其突出。回归分析法原理和结构简单，预测速度快，外推特性好等特点，但其对历史数据要求高，模型构建困难，无法详细的考虑各种影响负荷的因素。
回归分析法是电力负荷预测的一种常用方法。一个地区电力需求与该地区的国内生产总值。人口数量等多个因素相关。电力负荷回归模型预测就是根据负荷过去的历史资料，建立可以进行数学分析的数学模型，对未来的负荷进行预测。从数学上看，就是用数理统计中的回归分析法，即通过对变量的观察数据进行统计分析，确定变量之间的相关关系，从而实现预测的目的。回归预测包括线性回归和非线性回归，两者都包括一元线性回归和多元线性回归两种形式。主要采用多元非线性回归模型建立负荷与影响因素之间的关系，预测值可写为：
（1-2）
式中： 为 时刻的预测负荷值； 为第 个影响负荷变化的因素在 时刻的取值； 为回归系数。
影响电力系统负荷的因素很多，如气象因素（如温度、气候）、时间因素(如日夜、工作日等)、季节因素以及一些随机因素等。实际负荷预测时应根据客观条件选择合适的因素建立模型。回归分析法的主要优点在于它能够通过模型来解释各变量之间的关系，它对因果关系的处理是十分有效的。同时，它也有缺点，一是要收集较多的观测值，它的预测准确度与样本含量有关，所以付出的代价一般比较大；二是计算量大；三是要经常评审模型。[2]
1.2.2 现代的预测方法
1、专家系统法
专家系统方法是一种人工智能的计算机程序系统，这些程序具有相当于某个专门领域的专家的知识和经验水平，并能像专家那样运用这些知识，通过推理，在那个领域内做出智能决策。一个完整的专家系统是由四个部分组成:知识库、推理机、知识获取部分和界面。其对数据库里存放的过去几年的每小时的负荷和天气数据进行细致的分析，按照一定的规则推理进行负荷预测。专家系统进行负荷预测离不开预测人员的丰富经验和判断能力，但是专家知识转化为数学规则是特别困难的。由于专家系统具有一定的局限性，很少有文献单独将其应用于电力负荷预测中，通常的方法是将专家系统与模糊理论、神经网络等相结合，即根据预测机制应用专家系统对某预测结果进行修正。
2、模糊控制法
模糊控制是在所采用的控制方法上应用了模糊数学理论，使其进行确定性的工作，对一些无法构造数学模型的被控过程进行有效控制。模糊系统不管其是如何进行计算的，从输入输出的角度讲它是一个非线性函数。模糊系统对于任意一个非线性连续函数，就是找出一类隶属函数，一种推理规则，一个解模糊方法，使得设计出的模糊系统能够任意逼近这个非线性函数。
模糊控制法首先将负荷预测的输入、输出空间划分为不等的模糊集合，如高、中、低等，然后用一组模糊规则来表示负荷预测输入、输出间的关系。每一条模糊规则是一个模糊IF-THEN关系，关系前件是对各个输入变量不同模糊集合，关系后件是输出变量表达式，输出变量表示为各输入变量的线性组合，第i条规则可表示为：
Ri:IF is AND is AND is
THEN （1-3）
其中， 为输入变量。 为输入变量 的第 个模糊集合，相应隶属于子函数可采用高斯子函数或三角形子函数等。 是第 条规则的输出部分， 为规则的输出部分中输入变量的相应系数，为常数项。对于一组输入变量 ， ，模糊控制的最终输出为各规则输出的加权模糊值。
3、人工神经网络法
运用神经网络技术进行电力负荷预测，其优点是可以模仿人脑的智能化处理，对大量非结构性、非精确性规律具有自适应功能，具有信息记忆、自主学习、知识推理和优化计算的特点，特别的，其自学习和自适应功能是常规算法和专家系统技术所不具备的。因此，预测被当作人工神经网络（简记为ANN）最有潜力的应用领域之一，许多人都试图应用反传学习算法训练ANN。以用作时间序列预测。误差反向传播算法又称为BP法，提出一个简单的三层人工神经网络模型，就能实现从输入到输出间非线性映射任何复杂函数关系。因此，我们可以将对电力负荷影响最大的几种因素作为输入，即当天的天气温度、天气晴朗度（又称为能见度）、风向风力、峰谷负荷及相关负荷等，争取获得较好的预测结果。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4908.html
