[发明专利]一种基于改进模糊神经网络的短期电力负荷预测方法

权利要求书

1.一种基于改进模糊神经网络的短期电力负荷预测方法，其特征是包括以下步骤：

第一步，采集电力系统环境的温度、湿度和降雨量；

第二步，获得数据样本的数量确定为M；

第三步，获得本方法隐含层数为1，隐含层神经元数为2N-1；其中，N是输入神经元个数；

第四部，对神经网络的输入参数应进行归一化处理，以保证正常范围内的输入样本区间x*在[-1，+1]区间，

x*=x-xminxmax-xmin]]>

其中，x*是归一化后的值，当x_max＝x_min时取x*等于0.5，星期一到星期天分别用0.1至0.7的数字表示；

步骤五，获得激励函数可调的BP神经网络学习算法，简称BP-AA算子，该算子不涉及节点数目的增减，采用BP-AA算法对网络参数进行修正，通过网络的输入样本，计算出B细胞对应的神经网络的相关性能指标，计算满足以下两点：第一，应该采用由编码参数和其结构模板值的乘积所构成的网络参数用于计算；第二，所有网络都应该以预先设定的最大规模来计算；采用BP-AA算法计算梯度值，修正参数；把更新后的参数在原B细胞中按编码规则进行重新排列，即完成了BP-AA算子计算，其中，S＝0所对应的参数编码应不变，即可获得电力负荷预测结果。

2.根据权利要求1所述的一种基于改进模糊神经网络的短期电力负荷预测方法，其特征是：所述步骤二中的M为5周。