[發(fā)明專利]一種基于改進(jìn)ABC算法的Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201810473235.0
• 申請日: 2018-05-17
• 公開（公告）號: CN108734321A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計(jì)）人: 汪洋;陳鳳云;王滿商;李正明;閆天一;潘天紅
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 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

本發(fā)明公開了一種基于改進(jìn)ABC算法的Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法，本發(fā)明在充分解析傳統(tǒng)Elman神經(jīng)網(wǎng)絡(luò)的輸入信號的正向傳遞、誤差信號的反向傳播和承接層的延時(shí)算子過程之后，針對人工蜂群(ABC)算法收斂速度慢、搜索方程的開發(fā)能力較弱等缺點(diǎn)進(jìn)行了一系列的改進(jìn)措施，包括重新設(shè)計(jì)搜索方程、調(diào)整蜜蜂搜索頻率和改變較優(yōu)解的選擇機(jī)制等方面；再將改進(jìn)ABC算法產(chǎn)生的最優(yōu)權(quán)值與閾值用于Elman神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)電力系統(tǒng)短期負(fù)荷預(yù)測，提高負(fù)荷預(yù)測速度，最后在MATLAB中實(shí)現(xiàn)負(fù)荷預(yù)測功能，由實(shí)驗(yàn)結(jié)果得出采用改進(jìn)ABC算法進(jìn)行權(quán)值和閾值尋優(yōu)處理，使得最大預(yù)測絕對誤差明顯減少。

技術(shù)領(lǐng)域

本發(fā)明電力技術(shù)領(lǐng)域，具體是一種基于改進(jìn)ABC算法的Elman神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測方法。

背景技術(shù)

供電低壓臺區(qū)負(fù)荷預(yù)測是供電部門的新興工作之一，通過準(zhǔn)確的負(fù)荷預(yù)測，可以經(jīng)濟(jì)合理地調(diào)整運(yùn)行方式，減少上級電站備用容量、合理安排檢修計(jì)劃、降低運(yùn)營成本、提高經(jīng)濟(jì)效益。根據(jù)電力系統(tǒng)負(fù)荷預(yù)測理論，在形成電力交易市場的過程中，負(fù)荷預(yù)測的研究更具重要意義，低壓供電臺區(qū)的負(fù)荷預(yù)測亦然。相對而言，中短區(qū)負(fù)荷預(yù)測對低壓臺區(qū)管理的價(jià)值更為重要。首先，中期負(fù)荷預(yù)測的結(jié)果，可以作為運(yùn)行方式調(diào)整、低壓電網(wǎng)工程施工的決策性依據(jù)。其次，24小時(shí)的短期負(fù)荷預(yù)測，可以作為供電企業(yè)提供設(shè)備過載預(yù)警。

低壓臺區(qū)負(fù)荷預(yù)測可以分為長期預(yù)測、中期預(yù)測、短期預(yù)測、超短期預(yù)測，對應(yīng)的時(shí)間段為年度、月度、日和時(shí)。其中，周預(yù)測、日預(yù)測、小時(shí)預(yù)測歸為短期預(yù)測。目前，由于其負(fù)荷發(fā)展變化規(guī)律趨于穩(wěn)定緣故，國外的學(xué)者關(guān)于中長期預(yù)測的研究遠(yuǎn)遠(yuǎn)多于短期預(yù)測，國內(nèi)則基本上兩者并重，但對于供電低壓臺區(qū)的預(yù)測還很少。

目前，有學(xué)者對低壓臺區(qū)電網(wǎng)負(fù)荷預(yù)測進(jìn)行了研究，提出了諸多負(fù)荷預(yù)測方法，如：中國專利(201410453192.1)提出來利用小波原理選取負(fù)荷數(shù)據(jù)中的特殊點(diǎn)作為插值點(diǎn)，同時(shí)根據(jù)Hurst參數(shù)與小波系數(shù)之間的關(guān)系確定迭代函數(shù)系統(tǒng)中的垂直比例因子。在此基礎(chǔ)上對歷史負(fù)荷數(shù)據(jù)進(jìn)行仿射變換，得到未來時(shí)刻的數(shù)據(jù)，從而實(shí)現(xiàn)負(fù)荷預(yù)測。但是該方法收斂速度慢，易陷入局部極小值等缺點(diǎn)。中國專利(201610815893.4)獲取個(gè)區(qū)域在待預(yù)測日的負(fù)荷預(yù)測值機(jī)近期一個(gè)樣本空間的負(fù)荷、氣象歷史數(shù)據(jù)并根據(jù)基于概率距離的同步回代消除技術(shù)得到全天負(fù)荷預(yù)測序列。但是該方法忽視了季節(jié)天氣的多樣性，保存的正常數(shù)據(jù)難以覆蓋所有類型的天氣，所以負(fù)荷預(yù)測結(jié)果可信度不高。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種基于改進(jìn)人工蜂群(簡稱ABC)算法的Elman神經(jīng)網(wǎng)絡(luò)對短期負(fù)荷進(jìn)行預(yù)測的方法。該方法是基于Elman神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力，利用人工蜂群訓(xùn)練神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，再將改進(jìn)ABC算法產(chǎn)生的最優(yōu)權(quán)值與閾值用于Elman神經(jīng)網(wǎng)絡(luò)電力系統(tǒng)短期負(fù)荷預(yù)測，提高負(fù)荷預(yù)測速度。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

一種基于改進(jìn)人工蜂群的Elman神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法，包括以下步驟：

步驟1：獲取原始數(shù)據(jù)(包括初始負(fù)荷和氣象數(shù)據(jù)集)，并對原始數(shù)據(jù)利用式(1)和式(2)進(jìn)行預(yù)處理和歸一化處理。氣象數(shù)據(jù)包括每小時(shí)降水量、氣壓、濕度、溫度、風(fēng)速，其中溫度又分為一個(gè)小時(shí)內(nèi)的最高溫、最低溫和平均溫，風(fēng)速又分為瞬時(shí)風(fēng)、最大風(fēng)和極大風(fēng)。

步驟2：確定神經(jīng)元的輸入和輸出數(shù)據(jù)，并確定最優(yōu)的隱含層神經(jīng)元個(gè)數(shù)，從而建立基于改進(jìn)的ABC算法的Elman神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)結(jié)構(gòu)由輸入、輸出參數(shù)的個(gè)數(shù)決定，隱含層個(gè)數(shù)按循環(huán)設(shè)置不同的個(gè)數(shù)尋找最優(yōu)個(gè)數(shù)n。

步驟3：確定適應(yīng)度函數(shù)，每個(gè)食物源的位置為一組輸入層權(quán)值、輸出層權(quán)值和隱含層閾值。適應(yīng)度值fit_i計(jì)算公式為：

式中e_i為第i個(gè)食物源對應(yīng)的權(quán)值和閾值訓(xùn)練時(shí)的均方誤差。e_i的計(jì)算公式如下：