短期电力负荷预测的自适应混合遗传优化BP算法

《短期电力负荷预测的自适应混合遗传优化BP算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第9期电力科学与工程Vo1．24．NO．9322008年l1月ElectricP0werScienceandEngineeringNOv一2O08短期电力负荷预测的自适应混合遗传优化BP算法施应玲，杨红松，庞南生(华北电力大学工商管理学院，北京102206)摘要：基于遗传算法具有很强的全局搜索能力和BP神经网络具有精确的局部搜索能力的特点，提出对电力短期负荷预测的自适应的混合算法。将训练样本随机地分为训练集和测试集。应用该算法对澳大利亚悉尼的短期电力负荷进行了预测。仿真计算表明，该算法达到了提高预测精度和改善网络性

2、能的要求关键词：短期电力负荷预测；BP神经网络；自适应混合遗传算法；过拟合中图分类号：TM715文献标识码：A合，改进可行解在多维空间的位置和方向，达到最0引言优解。该算法是基于自然选择和自然遗传的生物进化的机理进行搜索，把需要优化问题的解空间映射短期电力负荷发生周期短，主要存在许多不确为遗传空问。在解决实际问题时，把问题中所涉及定的因素，因此波动性比较大。在非常短的时问到的变量和网络中的权重阀值进行某种形式的编内，气候条件一般不会剧变，国家GDP增长速度码，产生染色体，按照预先的适应函数对所有染色也没有太大的差异，故对短

3、期电力负荷的预测主要体进行评价，适应值高的被选中(选择操作)，然考虑人们在短期内的用电结构、持续时间、气温变后进行交叉变异等一系列遗传操作，产生下一代种化等因素。群。如此迭代，使种群向着最优的方向发展，得到许多学者q已经对短期电力负荷预测进行了满足某种收敛条件的最适合问题的种群，从而得到研究，提出了最小二乘拟合法、时间序列法和趋势最优解。外推法等预测方法。然而，影响短期电力负荷的因遗传算法在求解不连续函数甚至不知道函数关素大都具有随机性，因此每天同一时刻的电力负荷系的时候，有很大的优势。它体现了遗传算法较强数据组成了一个非

4、平稳的时问序列，传统的拟线性的鲁棒性、适应性以及高度的并行性等特点。但是预测方法存在着局限性。遗传算法在求解问题时，是在解空间范围内进行随本文选择了能够在全局范围内准确搜索的遗传机的搜索，并不是一定收敛于全局最优解，而通常算法和能够在局部范围内很好拟合的BP神经网络只能得到全局范围内的次优解。二者结合的混合遗传BP神经网络算法对短期电力1．2BP算法负荷进行预测。神经网络模拟人的复杂的大脑神经系统，它能够模拟外界各种因素对某件事情的影响，每个神经1遗传算法和人工神经网络算法简介元就是一个外界影响因素。最常用的神经网络算法就

5、是反向传播(ErrorBackPropagation—BP)算1．1遗传算法法。该算法是多层感知器的一种学习算法，它的模遗传算法是仿照生物进化的步骤，将繁殖、交型为前向多层网络。差、变异、竞争和选择等概念引入到算法中，在维BP网络不仅有输入层节点、输出层节点，而持一组可行解的前提下，不断把可行解进行重新组且有隐含层节点，经过转化函数后，再把隐节点的收稿日期：2o08—07—10．作者简介：施应玲(1965一)，女，华北电力大学工商管理学院副教授．第9期施应玲，等短期电力负荷预测的自适应混合遗传优化BP算法输出信息传播到输出

6、节点，最后给出结果。节点的权值变异算子：对于子代染色体中的每个权值输入位置，变异算予以概率尸胛在初始概率分布中随作用函数通常选取^Sr形函数，比如厂()T≥，这机选择一个值。然后与该输入位置上的权值相加。个算法的学习过程由正向传播和反向传播组成。在2．2遗传神经网络算法的实现步骤正向传播过程中，输入信号从输入层经隐含层逐层(1)随机产生一组实数位串种群，每一个位串处理，并传向输出层，每一层神经元的状态只影响表示网络连接权和阀值的一个集合。下一层神经元的状态。如果在输出层不能得到期望(2)将权值和阀值的编码实数位串进行解码成

7、的输出，则转向反向传播，误差信号将沿原来的连网络的各个连接权和阀值，运行BP神经网络，评接通道返回，通过修改各层神经元的权值，使得误价网络性能。差信号最小。(3)进行遗传操作，产生下一代种群，形成下一代BP网络。2自适应遗传BP神经网络算法(4)重复步骤(2)、(3)直到进化代数达到要求或网络误差满足条件E时结束遗传算法。遗传BP神经网络的主要运行机理是结合遗传将最终种群中的个体进行解码，从而得到通过GA算法的全局搜索能力和神经网络良好的局部寻优能优化后的网络的连接权和阀值。为遗传算法所力，即：先用遗传算法对BP网络权值以

8、及阀值进要达到的性能指标。行全局范围的粗略的学习，定位在最优解区域，使得权值和阀值种群聚集在参数解空间的某几处，再3预测模型输入量的选择利用BP算法对局部搜索的有效性在已确定的解空间内进行梯度搜索，最终求得最优解。自适应混合遗传算法的总体思想就是利用遗传2．1自适应遗传神经网络混合算法的实现算法加速神经