数学建模在实际生产计划中的应用 ——基于 NARX 神经网络的地区用电预测

桂 改花, 苑 占江, 李 祖猛, 林 泽楷
广东科学技术职业学院

摘要

中国经济的快速增长带动了电力需求的迅猛增长,同时，电力消费使得环境压力加大、能源矛盾更加紧迫。本文针对预测
某一个月未来用电量需求以及求解最小发电成本的问题，建立 NARX 神经网络时间序列模型和 INPL 整数非线性规划模型进行分
析求解。本文首先将数据导入 Matlab 得到原数据的折线图，由图中可知其存在缺失值和异常值，再采用拉格朗日插值法对箱型图
改进来剔除异常值和补全缺失值，然后可以得出结论：在每天不同时间段内，23：00-7：00 为用电低峰期，18：00-23：00 为用
电高峰期。而在工作日和休息日之间，休息日相较于工作日来说用电量较多。对未来一个月的用电量预测运用了 NARX 神经网络
时间序列模型进行求解，从而得到 5 月份的预测用电量。通过找出发电机最优组合来求每天电力生产总成本的最值，以每天电力
生产总成本作为目标函数，并建整数非线性规划模型。根据题目的条件及相关数据，通过分析各时段的成本得出：各时段的电力
生产总成本，然后对各时段成本求和得到目标成本函数。根据题目所给的已知条件进行合理的假设下，分析确定模型的约束条件。
通过 lingo 软件编程求解，确定不同型号发电机在不同时段的使用数量，找出最优解，得到电产过程中每天的最小成本。

关键词

拉格朗日插值法；NARX；神经网络；整数非线性规划

参考

[1] 陆一川.新能源与传统电力的融合发展分析[J].集成电

路应用,2022,,9(03):234-235. [2] 赵媛媛,季洁.基于拉格朗日插值法的国省干线缺失数

据恢复[J].无线互联科技,2021,18(10):97-100. [3] 鞠宪龙.二阶对角递归神经网络的算法研究及应用[D]. 哈尔滨:哈尔滨工程大学,2011:9．

[ 4 ] Z O U N E M AT- K E R M A N I M , S T E P H A N D , HINKELMANNR.Multivariate NARX Neural Network in Prediction Gaseous Emissions Within the Influent Chamaer of

Wastewater Treat-ment Plants[J]. Atmospheric Pollution Research,2019,10(6)1812-1822.