技術(shù)特征：

1.基于BP神經(jīng)網(wǎng)絡(luò)模型的臺(tái)區(qū)日用電量的預(yù)測(cè)方法，其特征在于：包括如下步驟：

S1、搭建N個(gè)BP神經(jīng)網(wǎng)絡(luò)模型；

S2、分別對(duì)應(yīng)地選擇歷史數(shù)據(jù)作為訓(xùn)練樣本，提取訓(xùn)練樣本的氣象影響因子、以及相似日的用電量D’作為訓(xùn)練函數(shù)newff的輸入矩陣P，即：

$P=\left[\begin{array}{cccccc}{T}_1& {\mathrm{Tmax}}_1& {\mathrm{Tmin}}_1& {\mathrm{RH}}_1& V_1& {D^{\′}}_1\\ T_2& {\mathrm{Tmax}}_2& {\mathrm{Tmin}}_2& {\mathrm{RH}}_2& V_2& {D^{\′}}_2\\ ......& & & & & \\ T_{15}& {\mathrm{Tmax}}_{15}& {\mathrm{Tmin}}_{15}& {\mathrm{RH}}_{15}& V_{15}& {D^{\′}}_{15}\end{array}\right]---\left(1\right)$

其中：氣象影響因子包括平均氣溫T、最高氣溫Tmax、最低氣溫Tmin、濕度RH、風(fēng)速V；

S3、提取訓(xùn)練樣本的實(shí)際用電量D作為訓(xùn)練函數(shù)newff的目標(biāo)矩陣T，即：

S4、訓(xùn)練神經(jīng)網(wǎng)絡(luò)net；

net＝newff(P,T,N,{‘tansig’,‘purelin’},‘trainlm’)；N個(gè)隱層程序單元 (3)

net.trainParam.epochs＝1000； 允許最大訓(xùn)練步數(shù)1000步 (4)

net.trainParam.Ir＝0.05； 學(xué)習(xí)速率0.05 (5)

S5、將預(yù)測(cè)日的氣象影響因子、相似日用電量結(jié)合在一起組成矩陣p，即：

$p=\left[\begin{array}{cccccc}{T}_i& {\mathrm{Tmax}}_i& {\mathrm{Tmin}}_i& {\mathrm{RH}}_i& V_i& {D^{\′}}_i\\ T_{i\mathrm{+1}}& {\mathrm{Tmax}}_{i\mathrm{+1}}& {\mathrm{Tmin}}_{i\mathrm{+1}}& {\mathrm{RH}}_{i\mathrm{+1}}& V_{i\mathrm{+1}}& {D^{\′}}_{i\mathrm{+1}}\\ \mathrm{.....}& & & & & \end{array}\right]---\left(6\right)$

S6、將p作為輸入矩陣代入經(jīng)過訓(xùn)練而得的神經(jīng)網(wǎng)絡(luò)net，可以得到臺(tái)區(qū)日用電量的預(yù)測(cè)值即：

$\tilde{D}=sim(net,p)---\left(7\right).$

2.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)模型的臺(tái)區(qū)日用電量的預(yù)測(cè)方法，其特征在于：所述S1中BP神經(jīng)網(wǎng)絡(luò)模型的數(shù)目為8個(gè)。

3.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)模型的臺(tái)區(qū)日用電量的預(yù)測(cè)方法，其特征在于：所述S2中訓(xùn)練樣本為15天的歷史數(shù)據(jù)。

4.基于BP神經(jīng)網(wǎng)絡(luò)模型的臺(tái)區(qū)日用電量的預(yù)測(cè)系統(tǒng)，其特征在于：包括，

模型建立單元，搭建N個(gè)BP神經(jīng)網(wǎng)絡(luò)模型；

矩陣建立單元，分別對(duì)應(yīng)地選擇歷史數(shù)據(jù)作為訓(xùn)練樣本，提取訓(xùn)練樣本的氣象影響因子、以及相似日的用電量D’作為訓(xùn)練函數(shù)newff的輸入矩陣P，即：

$P=\left[\begin{array}{cccccc}{T}_1& {\mathrm{Tmax}}_1& {\mathrm{Tmin}}_1& {\mathrm{RH}}_1& V_1& {D^{\′}}_1\\ T_2& {\mathrm{Tmax}}_2& {\mathrm{Tmin}}_2& {\mathrm{RH}}_2& V_2& {D^{\′}}_2\\ ......& & & & & \\ T_{15}& {\mathrm{Tmax}}_{15}& {\mathrm{Tmin}}_{15}& {\mathrm{RH}}_{15}& V_{15}& {D^{\′}}_{15}\end{array}\right]---\left(1\right)$

其中：氣象影響因子包括平均氣溫T、最高氣溫Tmax、最低氣溫Tmin、濕度RH、風(fēng)速V；

目標(biāo)矩陣建立單元，提取訓(xùn)練樣本的實(shí)際用電量D作為訓(xùn)練函數(shù)newff的目標(biāo)矩陣T，即：

神經(jīng)網(wǎng)絡(luò)訓(xùn)練單元，訓(xùn)練神經(jīng)網(wǎng)絡(luò)net；

net＝newff(P,T,N,{‘tansig’,‘purelin’},‘trainlm’)；N個(gè)隱層程序單元 (3)

net.trainParam.epochs＝1000； 允許最大訓(xùn)練步數(shù)1000步 (4)

net.trainParam.Ir＝0.05； 學(xué)習(xí)速率0.05 (5)

矩陣計(jì)算單元，將預(yù)測(cè)日的氣象影響因子、相似日用電量結(jié)合在一起組成矩陣p，即：

$p=\left[\begin{array}{cccccc}{T}_i& {\mathrm{Tmax}}_i& {\mathrm{Tmin}}_i& {\mathrm{RH}}_i& V_i& {D^{\′}}_i\\ T_{i\mathrm{+1}}& {\mathrm{Tmax}}_{i\mathrm{+1}}& {\mathrm{Tmin}}_{i\mathrm{+1}}& {\mathrm{RH}}_{i\mathrm{+1}}& V_{i\mathrm{+1}}& {D^{\′}}_{i\mathrm{+1}}\\ \mathrm{.....}& & & & & \end{array}\right]---\left(6\right)$

預(yù)測(cè)值計(jì)算單元，將p作為輸入矩陣代入經(jīng)過訓(xùn)練而得的神經(jīng)網(wǎng)絡(luò)net，可以得到臺(tái)區(qū)日用電量的預(yù)測(cè)值即：

$\tilde{D}=sim(net,p)---\left(7\right).$