基于小波变换和遗传算法优化神经网络负荷预测

《基于小波变换和遗传算法优化神经网络负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第33卷第3期四川电力技术Vo1．33，No．32010年6月SichuanElectricPowerTechnologyJun．，2010基于小波变换和遗传算法优化神经网络负荷预测刘绚，刘天琪(四川大学电气信息学院，四川成都610065)摘要：提出了采用小波变换和遗传算法优化神经网络的混合模型对电力负荷进行短期预测。首先通过小波变换，将原始负荷序列分解到不同的尺度上，然后根据不同的子负荷序列的特性分别建立相匹配的神经网络模型，采用遗传算法优化各神经网络模型的初始权值，最后对各分量预测结果进行重构得到最终预测值。采用成都某地区200

2、9年的实际负荷对所提方法进行验证，实验结果表明基于该方法的负荷预测系统具有较高的预测精度。关键词：负荷预测；神经网络；小波变换；遗传算法Abstract：Anovelshort—termloadforecastingmethodusingwavelettransformandneuralnetworkoptimizedbygeneticalgo—rithmisproposed．Firstly，bythewavelettransform，theloadseriesisdecomposedintothesubserieswithdiff

3、erentfrequencycharacteristics，thenaccordingtothefeaturesofthedecomposedcomponents，thecorrespondingneuralnetworkmodelsareconstructedtoforecastthecomponents，finallytheforecastingresultisobtainedbythereconstructionoftheforecastingresultofcomponents．Thegeneticalgorithmopti

4、mizationisusedtooptimizetheinitialweightsofneuralnetworkmodelofeachdecom—posedsubsequence．Experimentalresultsshowthattheproposedforecastingmethodhasasatisfactoryaccuracy．Keywords：loadforecasting；ANN；wavelettransform；geneticalgorithm中图分类号：TM7l1文献标志码：A文章编号：1003—6954(2010

5、)03—0015—04负荷预测是电力系统管理现代化的重要内容之个具有不同频率分量的叠加，所以可以通过对负荷序一，对电力系统的安全、经济、可靠运行具有重要作列进行频域分析将这些频率分量分离出来，对每个分用。传统的负荷预测方法有时间序列法、回归分析量单独进行分析并根据其特性建模并预测。负荷中法、灰色模型法¨、支持向量机等。这些方法模型某些分量在时域上的表现是瞬时的、随机的，为了能简单便于使用，但预测精度低，难以满足负荷预测的捕获这一类分量的频率规律，用传统的时频分析方法要求。随着人工智能技术的发展，人工神经网络被广就显得力不从心。泛应用

6、于负荷预测，并成为其主要方法之一。径这里采用小波变换的方法，对负荷序列进行小波向基函数(RBF)神经网络H作为前向神经网络的一变换，将负荷序列分别投影到不同的尺度上，而各尺种主要形式，具有结构简单、学习快速的特点，但是从度可近似地看作各个不同的“频带”，这样各个尺度本质上讲，RBF神经网络算法属于梯度下降算法，初上的子序列分别代表了原序列中不同频域的分量，它始连接权随机选取，一旦取值不当，就会引起网络的们更加清楚地表现了负荷序列的周期性。根据小波振荡、不收敛或训练时间过长，再加之实际问题往往分解后不同尺度上的负荷序列的不同特性建立相

7、应是极其复杂的多维曲面，存在多个局部极值点，使得的神经网络模型，利用遗传算法优化选取神经网络初BP算法极易陷入局部极值点，泛化能力比较低。始权重，最后将各负荷分量的预测结果叠加，得到预遗传算法是从自然进化的思想和理论发展而测结果来的一种高效的并行全局搜索算法，该算法具有很好的鲁棒性，在解决全局优化问题方面取得了成功。用1小波分析基本原理遗传算法优化设计神经网络，不仅容易获得全局最优解，还可以提高神经网络的泛化性能。小波分析“是近年发展起来的一种用于信号电力系统负荷序列明显地展现出以天和周为单分析的数学方法。它的主要思想是选择合适的小

8、波位进行变化的周期性。因此负荷序列可以看作是多基函数，然后对小波基函数通过如下方式生成函数基金项目：国家科技支撑计划项目(批准号：2008BAA13B01)族。·l5·第33卷第3期四JlI电力技术Vo1．33。No．32010年6月