[发明专利]一种基于BP神经网络电力负荷预测的虚拟坐席系统

权利要求书

1.一种基于BP神经网络电力负荷预测的虚拟坐席系统，其特征在于，包括计算机电信集成模块、虚拟坐席调度模块、数据采集模块、电力负荷预测模块以及预测结果输出模块，其中：

所述计算机电信集成模块，用于将主叫用户对特定的电力负荷预测时段的呼叫请求分配给虚拟坐席调度模块；

所述虚拟坐席调度模块，用于在接收到所述呼叫请求后，根据所述主叫用户的权限匹配具体的电力负荷预测方式，并调度和呼叫相应的电力负荷预测模块；

所述电力负荷预测模块，包括BP神经网络预测模块和遗传算法改进模块，所述遗传算法改进模块采用遗传算法改进方法，用于优化BP神经网络预测模块的初始权值阈值，所述BP神经网络预测模块采用BP神经网络预测方法，用于对电力负荷进行预测；

所述预测结果输出模块，用于电力负荷预测结果的输出。

2.基于权利要求1所述的一种基于BP神经网络电力负荷预测的虚拟坐席系统的控制方法，其特征在于，包括以下步骤：

步骤S1、将主叫用户对特定的电力负荷预测时段的呼叫请求分配给虚拟坐席；

步骤S2、根据所述主叫用户的权限匹配、调度和呼叫具体的电力负荷预测方式；

步骤S3、采用所述遗传算法改进方法对BP神经网络预测方法中的初始权值阈值进行优化，得到最优的初始权值阈值，建立预测模型，再采用BP神经网络预测方法进行电力负荷的预测；

步骤S4、输出电力负荷预测结果。

3.根据权利要求2所述的一种基于BP神经网络电力负荷预测的虚拟坐席系统的控制方法，其特征在于，所述步骤S3中，基于改进遗传算法的预测方法，具体为：

步骤S3.1、初始化种群，设定模拟退火算法的退火初始温度t₀；

步骤S3.2、将采集的电力负荷数据进行归一化处理；

步骤S3.3、设置BP神经网络参数，采用3层BP神经网络模型，输入层4个节点，隐含层9个节点，输出层1个节点，所述隐含层的节点数目根据经验公式计算得到：

其中，h为隐含层节点数目；m为输入层节点数；n为输出层节点数；a为1～10之间的数；

步骤S3.4、设置个体参数；

步骤S3.5、用模拟退火算法改进遗传算法，输出最优解；

步骤S3.6、将步骤S3.5输出的最优解作为BP神经网络初始权值阈值，建立改进后的预测模型,采用改进后的预测模型进行电力负荷的预测。

4.根据权利要求3所述的一种基于BP神经网络电力负荷预测的虚拟坐席系统的控制方法，其特征在于，所述步骤S3.2中，采用最大最小法进行数据归一化处理，计算公式如下：

x_k＝(x_k-x_min)/(x_max-x_min)

其中，x_k表示第k个数据，x_min表示数据中的最小值，x_max表示数据中的最大值。

5.根据权利要求3所述的一种基于BP神经网络电力负荷预测的虚拟坐席系统的控制方法，其特征在于，所述步骤S3.4中，所述个体参数包括种群规模Si、交叉概率Pc、变异概率Pm和最大迭代次数g。