bp神经网络在用电用户分类中应用

《bp神经网络在用电用户分类中应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、BP神经网络在用电用户分类中应用　　摘要：BP神经网络在解决非线性复杂系统中存在很大的优势。针对家庭用电设备自身的负荷特点，以广州供电局用户用电设备能耗数据作为训练样本，利用BP神经网络构建用电设备能耗分析模型，选定能够反映对象特性的能效指标，确定神经元数，构建用户分类指标，依据训练的BP神经网络进行用户划分，实现用户间的能效对比分析。结果表明，模型收敛性较好，所得分析结果绝对误差较小。因此，利用BP神经网络进行用户能效分析的结果具有实用性和有效性关键词：BP神经网络；能效分析；负荷辨识；多元线性回归；用户划分中

2、图分类号：TN711?34文献标识码：A文章编号：1004?373X（2017）09?0156?03Abstract：TheBPneuralnetworkhasgreatadvantagetosolvethenonlinearcomplexsystem.Accordingtothecharacteristicsofthehouseholdelectricityloaditself，theelectricalequipmentenergyconsumptiondataoftheusersattachingtoGua

3、ngzhouPowerSupplyBureauistakenasthetrainingsample.TheBPneuralnetworkisusedto9constructtheenergyconsumptionanalysismodeloftheelectricalequipment.Theenergyefficiencyindexwhichcanreflectthetargetfeaturesisselectedtodeterminethequantityoftheneurons，andconstructth

4、eusersclassificationindex.TheusersareclassifiedaccordingtothetrainedBPneuralnetworktorealizetheenergyefficiencycontrastiveanalysisamongusers.Theresultsshowthatthemodelhasgoodconvergence，andtheanalysisresulthassmallabsoluteerror.Therefore，theBPneuralnetworkuse

5、dtoanalyzetheusers′energyefficiencyhaspracticabilityandavailability.Keywords：BPneuralnetwork；energyefficiencyanalysis；loadidentification；multiplelinearregression；usersclassification0引言9随着人们生活水平的提高及阶梯电价、峰谷电价的实施，用户用电行为特征也逐渐发生了变化。充分了解家庭用户的多样能源诉求，科学准确地反映用户的能效状况，再

6、有针对性地为用户定制创新的个性化节能增效解决方案，从而实现用户的节能减排和电能成本降低，对助推电网整体能效水平提升、提高企业竞争力和服务感知，减少不必要的能源浪费具有积极作用。因此，如何根据对用户用电行为和耗电量分析，针对用电负荷不确定性、非线性、随机性的自身特点，通过预测模型算法及设备、同区域横向比对等方式是研究用户负荷预测、用户节能策略的依据。BP神经网络高度的自学习、自组织和自适应能力，在输入和输出样本之间建立起一种高度非线性的映射，其通过优化使用最广的梯度下降法，利用迭代运算求出权值，为优化问题的可调参数

7、加入一定的隐节点，使求解更精确，被广泛地应用于各领域的预测模型中1BP神经网络BP神经网络是一种多层前馈神经网络，该网络的主要特点是信号前向传递，误差反向传播。在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络的预测输出能够不断地逼近期望输出。神经网络原理就是利用输出后的误差估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反�飨氯ィ�就获得了所

8、有其他各层的误差估计。BP神经网络的结构图如图1所示9BP算法的核心是数学中的“负梯度下降”理论，即BP网络的误差调整方向总是沿着误差下降快的方向进行，常规三层BP网络权值和阈值调整公式如下：式中：为网络输出与实际输出样本之间的误差平方和即误差函数。BP神经网络每一次学习训练之后，都会进行学习结果的判别。判别的目的在于检查输出的误差是否满足允许的标准；为网络的权值调整幅度