[發明專利]一種基于改進飛蛾火焰算法優化BP神經網絡的負荷預測方法在審
| 申請號： | 202211540604.6 | 申請日： | 2022-12-02 |
| 公開（公告）號： | CN115796367A | 公開（公告）日： | 2023-03-14 |
| 發明（設計）人： | 許賢澤;何加文;徐逢秋 | 申請（專利權）人： | 武漢大學 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/06;G06N3/006;G06N3/04;G06N3/084;H02J3/00 |
| 代理公司： | 武漢科皓知識產權代理事務所(特殊普通合伙) 42222 | 代理人： | 魯力 |
| 地址： | 430072 湖北省武*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 改進 飛蛾 火焰 算法 優化 bp 神經網絡 負荷 預測 方法 | ||
1.一種基于改進飛蛾火焰算法優化BP神經網絡的負荷預測方法，其特征在于，包括以下步驟：
采集目標區域的電力負荷、最高溫度、最低溫度、平均溫度、相對濕度、降雨量六類原始數據并進行歸一化預處理；
利用三層小波分解將歸一化預處理后的原始數據集分解為A1、D1、D2、D3四個小波；
構建并確定BP神經網絡初始參數以及改進飛蛾火焰算法初始參數，依據BP神經網絡參數的個數確定飛蛾火焰種群維數；
利用改進飛蛾火焰算法迭代優化BP神經網絡權值和閾值，建立基于BP神經網絡的預測模型，并利用預測模型分別對四個小波進行預測，得到預測時間段四個小波對應的預測數據A1′、D1′、D2′、D3′；
將預測數據A1′、D1′、D2′、D3′全部疊加，得到預測時間段的電力負荷預測值。
2.根據權利要求1所述基于改進飛蛾火焰算法和BP神經網絡的負荷預測方法，其特征在于：采集目標區域的電力負荷、最高溫度、最低溫度、平均溫度、相對濕度、降雨量六類原始數據，分別將最大值最小值歸一化后形成原始數據集；對數據的歸一化處理：
其中，xij表示第i類指標中的第j個參數原始值，xij*為其經歸一化處理后的值，ximax、ximin分別為第i類指標中參數的最大最小值。
3.根據權利要求1所述基于改進飛蛾火焰算法和BP神經網絡的負荷預測方法，其特征在于：
構建并確定BP神經網絡的結構、學習效率、目標精度和訓練次數；
確定改進飛蛾火焰算法的種群規模、迭代次數、搜索空間上下界、搜索速度上下界，依據BP神經網絡參數的個數確定飛蛾火焰種群維數。
4.根據權利要求1所述基于改進飛蛾火焰算法和BP神經網絡的負荷預測方法，其特征在于：BP神經網絡的構建包括如下公式：
確定輸入層的輸入量：
其中，隱含層的輸入量為：隱含層的輸出量為：隱含層的Sigmoid函數為：
輸出層的輸入量為：輸出層的輸出量為：
反向傳播誤差函數為：
其中，r(k)和y(k)分別為網絡模型輸出值和實際輸出值；
在誤差反向傳播階段中，將反向傳播誤差函數計算得到的值對隱含層及輸出層的權值系數進行負梯度修正，從而得到隱含層到輸出層加權系數的增量：
其中，η為學習效率，α為慣性系數；
輸出層的加權系數修正增量為：
其中，
隱含層的加權系數修正增量為：
其中，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢大學，未經武漢大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202211540604.6/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于在線過程模擬的球團焙燒溫度控制方法
- 下一篇：一種海帶制備裝置和方法
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
