[發明專利]一種基于遺傳算法-神經網絡的熱負荷預測方法

在審

• 申請號: 201811252715.0
• 申請日: 2018-10-25
• 公開（公告）號: CN109086952A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 介鵬飛;焉富春;方舟;羅錦文;張欣楠;王梓灃
• 申請（專利權）人: 北京石油化工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;陳亮

1.一種基于遺傳算法-神經網絡的熱負荷預測方法，其特征在于，所述方法包括：

步驟1、首先仿真獲取一段時間內每天四個特征向量以及一個待預測標簽；其中，所述四個特征向量包括室外干球溫度、太陽照度、風速和濕球溫度；待預測標簽為熱負荷數值；

步驟2、將上述仿真出的數據按照時間進行劃分，分為訓練集數據和預測集數據；

步驟3、再利用z-scroe算法將兩個數據集的特征向量以及待預測標簽進行歸一化處理，進而將各數據的量綱統一；

步驟4、對遺傳算法的參數和BP神經網絡參數進行設置和初始化；

步驟5、基于初始化參數建立BP神經網絡，將BP神經網絡的所有權值和閾值作為一組有序染色體，依據權值和閾值的數目，用相應維數的實數變量表示；

步驟6、計算某一個體的適應度值，將預測的熱負荷數值進行反歸一化后計算得到待預測標簽的MSE數值；

步驟7、通過遺傳算法對參數進行尋優獲得最佳BP神經網絡，對預測集數據的熱負荷進行預測。

2.根據權利要求1所述基于遺傳算法-神經網絡的熱負荷預測方法，其特征在于，所述步驟3進行歸一化處理采用的計算公式為：

其中，x_i,j代表待歸一化的第i組數據的第j維數據；μ_j代表第j維特征的均值；σ_j代表第j維特征的標準差；x′_i,j代表歸一化后的第i組數據的第j維數據。

3.根據權利要求1所述基于遺傳算法-神經網絡的熱負荷預測方法，其特征在于，在步驟4中，遺傳算法的參數包括種群數量、群體規模、基因長度、交叉概率和變異概率；

BP神經網絡參數包括輸入神經元個數、隱層神經元個數、輸出神經元個數和編碼長度，其中：

輸入神經元個數為特征向量的維數；隱層神經元個數根據需要進行設置；輸出神經元個數為待預測標簽的維度；編碼長度的計算公式為：

S＝R×S₁+S₁×S₂+S₁+S₂

式中，S為編碼長度；R為輸入神經元個數；S₁為隱層神經元個數；S₂為輸出神經元個數。

4.根據權利要求1所述基于遺傳算法-神經網絡的熱負荷預測方法，其特征在于，在步驟5中，經過編碼后的基因表示為：

X＝[ω₁₁,ω₁₂,…ω_mn,v₁₁,v₁₂,…v_pm,θ₁,θ₂,…θ_m,t₁,t₂,…t_p]

其中，ω_i,j代表輸入層的第j個神經元對隱含層的第i個神經元的閾值；v_i,j代表隱含層的第j個神經元對輸出層的第i個神經元的閾值；θ_i表示隱含層第i個神經元的閾值；t_i表示輸出層第i個神經元的閾值。

5.根據權利要求1所述基于遺傳算法-神經網絡的熱負荷預測方法，其特征在于，在步驟6中，反歸一化計算公式表示為；

式中，y_i代表歸一化的第i個樣本點的熱負荷，μ代表熱負荷的均值，σ代表熱負荷的標準差，y′_i代表反歸一化后的第i個樣本點的熱負荷。

6.根據權利要求1所述基于遺傳算法-神經網絡的熱負荷預測方法，其特征在于，在步驟7中，通過遺傳算法對參數進行尋優獲得最佳BP神經網絡的過程為：

采用輪盤賭形式選取優秀個體；

將上一代優秀個體進行單點交叉，形成新的個體；

基于新的個體進行步驟6的操作得到待預測標簽的MSE數值，若滿足最優終止條件，則結束，獲得最優網絡的所有權值和閾值的數值；若不滿足，則繼續迭代最優個體。