马胜泉 程莹莹

（国家知识产权局专利局专利审查协作河南中心，河南 郑州 450002）

1 引言

短期负荷预测可对未来一周负荷进行预测， 是制定发电计划和发电厂报价的重要参考依据。 提高电力系统短期负荷预测的精度， 对于提高电网运行的安全性和电网运行的经济性具有重要意义。

人工神经网络是采用仿照生物神经系统形成的一种数学模型，具有可以模仿人脑的智能化处理、自适应能力强和容错性好的优点。 人工神经网络能以任意精度逼近任意非线性复杂问题，因而在电网预测中被广泛采用[1]。

2 基于人工神经网络的负荷预测

2.1 BP 神经网络

人工神经网络的BP 算法是一种监督学习算法，它首先输入学习样本，通过网络的学习，将学习后的输出值与目标矢量进行比较， 进而根据两者间误差来修改其连接权值和偏差，达到输出值与期望值尽可能接近，即使网络输出层的误差平方和达到最小[2]。

2.2 BP 算法数学描述

图1 BP 神经网络结构

BP 神经网络算法是在BP 神经网络现有算法的基础上提出的，它是通过任意选定一组权值，将给定的目标输出， 直接作为线性方程的代数和来建立线性方程组的算法[3]。

xj为输入层第j 个节点的输入，j=[1，…，M]；

wij为隐含层第i 个节点到输入层第j 个节点之间的权值；

θi为隐含层第i 个节点的阈值；

Φ（x）为隐含层的激励函数；

Wki为输出层第k 个节点到隐含层第i 个节点之间的权值，i=1，…，q；

ak 为输出层第k 个节点的阈值，k=1，…，L；

Ψ（x）表示输出层的激励函数；

Ok为输出层第k 个节点的输出；……