[發明專利]基于小波變換和神經網絡的電價預測方法

在審

• 申請號: 201310697707.8
• 申請日: 2013-12-18
• 公開（公告）號: CN103729687A
• 公開（公告）日: 2014-04-16
• 發明（設計）人: 張學東;趙志;劉玲;杜桂卿;孫凱
• 申請（專利權）人: 國網山西省電力公司晉中供電公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 宋敏

1.一種基于小波變換和神經網絡的電價預測方法，其特征在于，包括以下步驟：

步驟一、選擇小波基和分解尺度對采集的電價數據進行小波分解；

步驟二、對上述小波分解得到不同尺度空間上的數據分別進行單支重構；

步驟三、對上述各尺度空間上單支重構后的數據分別進行分析,選用神經網絡模型進行預測；

步驟四、將上述各尺度空間的預測值相加得到原電價數據序列的預測值。

2.根據權利要求1所述的基于小波變換和神經網絡的電價預測方法，其特征在于，上述步驟一種的小波基采用bd2。

3.根據權利要求2所述的基于小波變換和神經網絡的電價預測方法，其特征在于，上述步驟一中的分解尺度選擇尺寸2。

4.根據權利要求1至3任一所述的基于小波變換和神經網絡的電價預測方法，其特征在于，上述步驟三中神經網絡模型建立包括以下步驟：

步驟一、選擇輸入變量，采用相關性分析的方法選擇每個預測模型的輸入變量，即對于兩個矢量x和y,它們的關聯系數定義如下:

r=Σi=1n(xi-x‾)(yi-y‾)Σi=1n(xi-x‾)2Σj=1n(yj-y‾)2]]>

其中：r表示矢量x和y之間的相關性,如果r接近于1，則稱x和y強相關，如果r接近于0，則稱x和y不相關；

步驟二、選擇數據樣本大小，將收集到的可用電價數據隨機地分成兩部分,隨機選取數據的是為了盡量減小兩部分數據的相關性；

步驟三、數據的歸一化，將神經網絡模型的輸入和輸出數據應該進行歸一化的預處理,將數據歸一化到[0,1]之間,如下式:

x^ij=xij-xjminxjmax-xjmin,j=1,2,...8]]>

其中，

x_jmin＝min{x_1j,x_2j,...,x_Nj},x_jmax＝max{x_1j,x_2j,...,x_Nj}，x_ij表示輸入和輸出數據集合；

步驟四、BP網絡結構的確定，確定BP網絡網絡的層數、每層的神經元數目、初始權值、閥值、學習算法；

其中選擇神經元數目的原則是:選擇盡量少的節點數以實現盡量好的泛化能力，即先設置較少的神經元數目,對網絡進行訓練,并測試網絡的逼近誤差,然后逐漸增加節點數,直到測試的誤差不再有明顯的減小為止；

步驟五、BP網絡的訓練和測試，在訓練過程中對訓練樣本數據反復使用,對所有樣本數據正向運行一次并反向傳播修改連接權系數一次被稱為一次訓練,反復訓練直至獲得設定的映射結果。