基于遗传算法优化和bp神经网络的短期天然气负荷预测

《基于遗传算法优化和bp神经网络的短期天然气负荷预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于遗传算法优化和BP神经网络的短期天然气负荷预测基于遗传算法优化和神经网络的短期天然气负荷预测基于遗传算法优化和神经网络的短期天然气负荷预测9宋超石嘴山市星泽燃气有限公司平罗分公司，宁夏石嘴山宋娟宁夏大学物理电气信息学院，宁夏银川摘要天然气负荷预测的研究，对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义。短期天然气负荷预测问题具有周期性和随机性的变化规律。传统方法无法进行准确的预测，预测精度较低。为了提高天然气负荷的预测精度，提出一种基于遗传算法优化和神经网络的天然气负荷预测方法。采用遗传算法对神经网络连接权值和阀值等模型参数进行优化，从而建立最优的天然气负荷预测模型

2、，并采用桌企业的天然气负荷数据对所建立预测模型的可行性和有效性进行验证。仿真结果表明，相对于传统预测算法，基于遗传算法优化参数的神经网络提高了天然气负荷预测精度，具有一定的实际工程应用价值。关键词：天然气，负荷预测，神经网络，遗传算法9早在上世纪年代，国内有学者对开始对天然气负荷预测荷预测，以提高天然气负荷的预测精度。进行研究。由于天然气负荷受许多非线性因素及不确定因素的理论上，具有单隐层的层网络可以解决任何非线性影响，因此进行准确的短期负荷预测是非常困难的。传统的负荷映射问题【。影响天然气负荷的各种因素与负荷的对应关系。可预测方法有线性回归分析法、时间序列法和灰色系统理论等，以看成是一个

3、多维空间与多维空间的非线性函数的映射问题，这种方法各有优点,但大多是基于线性数据预测的模型，因此因此只要建立层网络模型输入层、隐层、输出层，其中输入不适合复杂的天然气负荷预测。年代屮后期，专家系统在负层数据为各影响因素，输出层数据为短期天然气负荷，就可以很荷预测中取得一定的成果。进入年代以后,神经网络因其好地模拟该映射问题，对短期天然气负荷进行较好的预测。具有非线性映射、任意精度逼近、有很强的泛化能力和自学习等神经网络预测模型结构如图所示。优势在模式识别、评价、预报等领域获得广泛的应用，为解决天爱荷输岀然气负荷预测提供了一种有效途径。但是,常规的神经网络存在局部最小、过学习以及隐层网络节点

4、数选取缺乏理论指导等缺输出层陷，削弱了它们的预测能力。隐层因此，针对当前天然气负荷预测存在的一些难题和传统神经网络存在的缺陷，提出一种基于遗传算法优化和神经网络的天然气负荷预测方法?，并通过仿真实验对其泅?一鬣惑输入层预测性能进行验证。结果证明，该算法针对天然气短期负荷预测具有一定的可行性和应用价值。天然气负荷的各种影响因素神经网络预测模型建立图短期天然气负荷预测模型结构天然气负荷除具有以周、的周期变化特点外。而且由于受在网络中，输入层的节点决定了隐含层神经元的数量，到天气、季节、节假H等诸多因素影响，其复杂性导致天然气负荷设第个样木点的输入向量为,，，？,刈。期望输出讥波动十分频繁，呈高

5、度非线性、时变性、分散性和随机性等特点。。，？，。则隐含层输岀为：传统线性预测方法无法全而描述天然气负荷变化规律，使模型预戌乞%，卢,,?.测精度常不尽人意。网络是目前使用最广泛的神经网络七，具』；，有非线性逼近、自适应学习能力。既能描述天然气管负荷周期神经网络预测输出为：性,又能反映负荷影响因素对负荷的变化作用，非常适合复杂、乙％，—仇・』，，？，非线性的天然气负荷预测。因此，采用神经网络对天然气负万方数据《工业控制计算机年第卷第期验；神经网络预测误差为:•设置神经网络参数的初始值；吼钱一・对神经网络进行学习和训练，并设置期望输出；更新后权值为：・通过对神经网络参数进行优化；%%力，誓乞

6、％•利用优化得到的最优神经网络参数建立预测模型：岷岷州,.对天然气负荷进行预测，并输出预测结果。更新后阈值为：仿真实验O,州——乞%%0为了验证所提出？算法的预测性能,采用宁夏某企业年月一月连续天的天然气使用量作为实:。吼例进行仿真。其中，将数据分成两部分,？年的前其中，为输入层节点数，为隐含层节点数，为输出层节天数据作为训练集,最后一周数据作为测试集，由于历史数据过点数。输入层、隐含层和输岀层神经元之间的连接权值为。多，这里只给岀前天和第天的天然气负荷数据。已归一化。隐含层阈值，输出层阈值。。为学习速率，为隐含层激后的天然气负荷数据见表。励函数，采用函数，可记为：表某企业天然气负荷归一化

7、后数据改？匕•年份天天天天天天99••神经网络参数优化传统算法是人工神经网络中应用最广泛的算法，但是???.一存在着一些缺陷:学习收敛速度太慢;不能保证收敛到全局最小q、一•••点；网络结构不易确定等。而经过非线性最优化算法改进后9—••••••的FI神经网络?，优化后仍存在一定的问题，即网络结999•••9•,9构确定、初始连接权值选取和阈值的选择。城一？?9■神经网络输入层、隐含层和输出层神经元之间的连接权9一??值