技術(shù)特征：

1.電力市場交易環(huán)境下的大工業(yè)客戶電力負(fù)荷預(yù)測方法，以行業(yè)電量為切入點(diǎn)，提取出電量占比具有代表性的行業(yè)，分別建立不同行業(yè)的電量預(yù)測模型，綜合各行業(yè)電量預(yù)測模型，得到大工業(yè)客戶電量預(yù)測模型，其中每個行業(yè)的電量預(yù)測模型的建立，均包括以下步驟：

步驟一、建立行業(yè)產(chǎn)量和行業(yè)電量的關(guān)聯(lián)模型；

步驟二、分析行業(yè)與上、下游產(chǎn)業(yè)之間以及產(chǎn)業(yè)鏈之間的關(guān)聯(lián)性得出行業(yè)產(chǎn)量變化的影響因素；

步驟三、根據(jù)行業(yè)周期的發(fā)展特性、行業(yè)景氣指數(shù)和價格行情監(jiān)測，建立產(chǎn)品售價和行業(yè)產(chǎn)量關(guān)聯(lián)模型；

步驟四、電力市場環(huán)境下電價是不斷波動變化的，同時考慮到季節(jié)性對電力的供需的影響，建立電價-行業(yè)產(chǎn)量關(guān)聯(lián)模型；

步驟五、結(jié)合基于共軛梯度的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，訓(xùn)練RBFNN建立行業(yè)電量預(yù)測模型。

2.根據(jù)權(quán)利要求1所述的電力市場交易環(huán)境下的大工業(yè)客戶電力負(fù)荷預(yù)測方法，其特征在于，所述步驟五基于共軛梯度的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，建立行業(yè)電量預(yù)測模型包括以下步驟：

(1)對神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行初始化：設(shè)定隱含層和輸出層神經(jīng)元個數(shù)p和q，利用隨機(jī)數(shù)對網(wǎng)絡(luò)參數(shù)進(jìn)行初始賦值，確定迭代終止精度ε或迭代最大次數(shù)N，置迭代次數(shù)n＝1；

(2)計算隱含層和輸出層神經(jīng)元的輸出；

$z_j=\exp (-|\left|\frac{X-C_j}{D_j}\right|{|}^2),j=1,2,...,p$

$y_k=\underset{j=1}{\overset{p}{\Σ}}{w}_{kj}{z}_j,k=1,2,...,q$

(3)計算網(wǎng)絡(luò)輸出的均方根誤差：RMS≤ε，則訓(xùn)練結(jié)束；否則，轉(zhuǎn)到步驟(4)；

$RMS=\sqrt{\frac{1}{qN}\underset{l=1}{\overset{N}{\Σ}}\underset{k=1}{\overset{q}{\Σ}}{(O_{lk}-y_{lk})}^2}$

(4)迭代計算，調(diào)節(jié)權(quán)重、中心和寬度參數(shù)；

$w_{kj}\left(t\right)=w_{kj}(t-1)+{\mathrm{\λg}}_{w_{kj}\left(t\right)}(t-1)+\mathrm{\α}\[w_{kj}(t-1)-w_{kj}(t-2)\]$

$c_{ji}\left(t\right)=c_{ji}(t-1)+{\mathrm{\λg}}_{c_{ji}\left(t\right)}(t-1)+\mathrm{\α}\[c_{ji}(t-1)-c_{ji}(t-2)\]$

$d_{ji}\left(t\right)=d_{ji}(t-1)+{\mathrm{\λg}}_{d_{ji}\left(t\right)}(t-1)+\mathrm{\α}\[d_{ji}(t-1)-d_{ji}(t-2)\]$

其中下降搜索方向分別為

$g_{w_{kj}\left(t\right)}\left(1\right)=-\frac{\∂E}{\∂w_{kj}\left(1\right)}$

$g_{w_{kj}\left(t\right)}(t-1)=-\frac{\∂E}{\∂w_{kj}(t-1)}+g_{w_{kj}\left(t\right)}(t-2)\frac{\left|\right|\frac{\∂E}{\∂w_{kj}(t-1)}|{|}^2}{\left|\right|\frac{\∂E}{\∂w_{kj}(t-2)}|{|}^2}$

$g_{c_{ji}\left(t\right)}\left(1\right)=-\frac{\∂E}{\∂c_{ji}\left(1\right)}$

$g_{c_{ji}\left(t\right)}(t-1)=-\frac{\∂E}{\∂c_{ji}(t-1)}+g_{c_{ji}\left(t\right)}(t-2)\frac{\left|\right|\frac{\∂E}{\∂c_{ji}(t-1)}|{|}^2}{\left|\right|\frac{\∂E}{\∂c_{ji}(t-2)}|{|}^2}$

$g_{d_{ji}\left(t\right)}\left(1\right)=-\frac{\∂E}{\∂d_{ji}\left(1\right)}$

$g_{d_{ji}\left(t\right)}(t-1)=-\frac{\∂E}{\∂d_{ji}(t-1)}+g_{d_{ji}\left(t\right)}(t-2)\frac{\left|\right|\frac{\∂E}{\∂d_{ji}(t-1)}|{|}^2}{\left|\right|\frac{\∂E}{\∂d_{ji}(t-2)}|{|}^2}$

其中偏導(dǎo)數(shù)分別為

$\frac{\∂E}{\∂w_{kj}(t-1)}=\left(y_k\right(t-1)-O_k)z_j$

$\frac{\∂E}{\∂c_{ji}(t-1)}=-\frac{2w_{kj}(t-1)}{d_j^2(t-1)}\left|\right|X-C_j\left|\right|\left(y_k\right(t-1)-O_k)z_j$

$\frac{\∂E}{\∂d_{ji}(t-1)}=-\frac{2w_{kj}(t-1)}{d_j^3(t-1)}\left|\right|X-C_j|{|}^2\left(y_k\right(t-1)-O_k)z_j$

(5)若n≥N，則訓(xùn)練結(jié)束；否則，n＝n+1，返回步驟(2)。