基于遗传算法优化和bp神经网络的中长期负荷联合预测

基于遗传算法优化和bp神经网络的中长期负荷联合预测

ID:28137482

大小:18.30 KB

页数:5页

时间:2018-12-08

基于遗传算法优化和bp神经网络的中长期负荷联合预测_第1页
基于遗传算法优化和bp神经网络的中长期负荷联合预测_第2页
基于遗传算法优化和bp神经网络的中长期负荷联合预测_第3页
基于遗传算法优化和bp神经网络的中长期负荷联合预测_第4页
基于遗传算法优化和bp神经网络的中长期负荷联合预测_第5页
资源描述:

《基于遗传算法优化和bp神经网络的中长期负荷联合预测》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。基于遗传算法优化和BP神经网络的中长期负荷联合预测  摘要传统的BP神经网络负荷预测存在学习速度慢、局部极小等缺陷,已无法满足现代电力负荷预测的精度要求。基于此,本文首先在分析了BP神经网络的预测原理和不足的基础上,阐述了遗传算法的原理及优化步骤,优化后的算法避免了初始阈值和权值选择的盲目性,提高了BP算法负荷预测的精度和效率,最后实际算例验证了该联合预测方

2、法的可靠性及可行性。  关键词BP神经网络;遗传算法;中长期负荷;预测  中图分类号TP3文献标识码A文章编号1674--0095-03为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。  中长期电力负荷预测是电网规划的基础

3、工作。电网规划、决策、经济的良好运行都需要准确的电力负荷预测。对于中长期负荷预测广泛采用传统的神经网络方法[1-2],目前大多采用BP神经。BP神经网络[3]是一种静态神经网络,存在学习速度慢、局部极小等问题,为了更加精确方便的做出预测提出了各种优化方法对传统神经网络进行改进。而遗传算法[3]是借鉴生物界优胜劣汰的进化规律,模拟生物在自然界的遗传和进化过程而形成的一种全局优化随机概率搜索算法,它能解决许多困难或复杂的问题,对BP神经网络的权值阈值的优化提供了一个确实可行的方法。本文基于遗传算法优化的BP神经网络算法对中长期的负荷进行

4、预测,通过实例预测、分析和结果的对比,验证该联合预测方法具有较高的预测精度。  1BP神经网络  用BP神经网络进行中长期负荷预测的步骤如下:  1)权值w和阈值b初始化,即把隐含层输出层权值和阈值设置成最小的随机数;  2)提取合适的训练样本集,即训练输入向量P和训练输出向量T;  3)隐含层的输出a1和输出层的输出a2的计算公式如下[1]:  式中:w、w分别是k+1、k时刻的权向量;η是学习率,取值一般为;D是k时刻的负梯度,负梯度是D的最快下降方向。  权值按误差反向传播方向进行,从输出节点开始返回到隐含层并按式进行进化改变

5、。阈值是一个变化值,在进化权值的同时也改变阈值,原理同权值进化。  6)循环步骤2到步骤5,直至均方误差和E满足设置的精度ε为止,即E<ε,ε一般取以下。  2遗传算法  遗传算法优化BP神经网络的实施步骤为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校

6、进行培训,熟悉系统的使用和维护。  1)染色体编码与解码将问题的解表示成“基因组”,每一“基因组”代表问题的一个可行解。随机产生一个基因组为L的初始群体,该初始群体就是问题的一个可行解的空间集合。  2)个体适应度的检测评估基于适度函数对“编码串”进行评价。  3)遗传算子。即应用一组遗传操作生成一个新的可行解空间集合。  4)终止条件是否满足要求,如不满足返回步骤2,这样循环执行步骤2至步骤4,使“基因组”群体不断的进化,一代一代的进化得到的个体,这个终极个体即为问题的最优解。  遗传算法优化BP神经网络的负荷预测中的应用  1)

7、负荷数据预处理,通过利用小波理论和平滑法剔除或修补数据。本文数据来自于开封市电力公司,经检查未发现负荷数据异于正常数据,符合实验数据要求。  2)提取训练样本,本文中BP神经网络的训练输入向量为开封地区XX年4月30天的实际负荷数据,训练样本的输出向量为开封地区XX年5月前30天的实际负荷数据。  3)经传统BP神经网络预测,预测出输出层的预测输出值。  4)将BP神经网络的训练样本嵌入遗传算法中得到相应的优化后的权值和阈值。  5)改进后的BP神经网络加入优化后的权值和阈值。为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,

8、我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。