[發明專利]一種基于改進ABC算法的Elman神經網絡的短期負荷預測方法

在審

• 申請號: 201810473235.0
• 申請日: 2018-05-17
• 公開（公告）號: CN108734321A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 汪洋;陳鳳云;王滿商;李正明;閆天一;潘天紅
• 申請（專利權）人: 江蘇大學
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06N3/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進ABC算法的Elman神經網絡的短期負荷預測方法，其特征在于，包括如下步驟：

步驟1：獲取原始數據并對原始數據進行預處理和歸一化處理；所述原始數據包括初始負荷和氣象數據集；

步驟2：確定神經元的輸入和輸出數據，并確定最優的隱含層神經元個數，從而建立基于改進的ABC算法的Elman神經網絡；

步驟3：確定適應度函數，每個食物源的位置為一組輸入層權值、輸出層權值和隱含層閾值；

步驟4：初始化人工蜂群，設定ABC算法中的參數limit；最大迭代次數；t＝1，蜂群種族數目N為所有權值和閾值的總和；

步驟5：引領蜂采用最優逼近的鄰域搜索方法產生新的偵查蜂，計算當前種群的反向種群，并在當前種群及其反向種群中選擇保留較優的部分個體作為新種群；

步驟6：基于適應度排序的選擇策略計算引領蜂的轉移概率P_k，根據P_k選擇食物源(解)，并采用隨機鄰域搜索方法產生新的跟隨蜂，計算其適應度值。如果新的跟隨蜂適應度值優于原個體，則進行替換，否則保留原個體不變；

步驟7：對于循環次數limit后仍未被更新的蜜源位置，其對應的跟隨蜂轉化為偵查蜂，并隨機產生一個新的蜜源位置；

步驟8：t＝t+1；判斷算法是否滿足終止條件，若滿足則輸出最優解；如果不滿足，則返回步驟5；

步驟9：找到全局最優解，將改進的ABC算法計算得到的最優權值、閾值賦予Elman神經網絡，將訓練樣本輸入到網絡中對Elman神經網絡進行訓練學習；

步驟10：利用訓練步驟9訓練好的Elman神經網絡進行短期負荷預測。

2.根據權利要求1所述的一種基于改進ABC算法的Elman神經網絡的短期負荷預測方法，其特征在于，所述步驟1中預處理的表達式為：

x(d,t)＝ω₁x(d₁,t)+ω₂x(d₂,t)

式中x(d,t)表示第d天第t個小時對應的負荷值，ω₁x(d₁,t)表示第d-1天第t個小時的負荷值，ω₂x(d₂,t)表示第d+1天第t個小時的負荷值。

3.根據權利要求1所述的一種基于改進ABC算法的Elman神經網絡的短期負荷預測方法，其特征在于，所述步驟1中歸一化處理的表達式為：

x＝(x_max-x_min)/2+(x_max+x_min)/2

式中x_max和x_min代表訓練樣本集中負荷的最大值和最小值。

4.根據權利要求1所述的一種基于改進ABC算法的Elman神經網絡的短期負荷預測方法，其特征在于，所述步驟3中適應度函數fit_i的計算表達式為：

式中，e_i為第i個食物源對應的權值和閾值訓練時的均方誤差；e_i的計算公式如下：

式中，y_i為實際輸出值，T_i為目標輸入向量。

5.根據權利要求1所述的一種基于改進ABC算法的Elman神經網絡的短期負荷預測方法，其特征在于，所述步驟5中的鄰域搜索是通過引入一個控制參數MR以改變蜜蜂的搜索頻率，加快算法的收斂速度；具體地：

對于解x_i的每一維向量x_ij，將產生一個均勻的隨機數R_ij(0≤R_ij≤1)，如果隨機數R_ij小于控制參數MR，則分量x_ij將由以下方式更新：

其中，g為當前循環數，φ是[-1,1]間的隨機數，決定擾動幅度；

在全體采蜜蜂鄰域搜索完畢產生新的種群后，按照GOBL計算得到其反向種群，公式如下：