[发明专利]基于改进的遗传小波神经网络的短期电力负荷预测方法

摘要

本发明提供了一种基于改进的遗传小波神经网络的短期电力负荷预测方法，神经网络的输入量为预测时刻对应的前多个小时的负荷值，神经网络的输出量为预测时刻的负荷值；利用遗传算法选出小波神经网络最优的初始权值，并将其用于小波神经网络；同时在小波神经网络权值修正的过程中增加动量项，避免陷入局部最优；从而构成改进的遗传小波神经网络；利用改进的遗传小波神经网络进行短期电力负荷预测。改进的遗传小波神经网络兼具小波神经网络和遗传算法的优点，不仅具有较好的误差反馈修正的动态过程，而且拥有很强的动态非线性拟合能力。将其应用到短期电力负荷预测中，能够更好的拟合电力负荷系统的非线性、动态性和时变性的特点，预测精度高。

主权项

一种基于改进的遗传小波神经网络的短期电力负荷预测方法，其特征在于，包括以下步骤：步骤1：确定神经网络的输入输出量；神经网络的输入量为预测时刻对应的前N个小时的负荷值，10≤N≤20，N为正整数；神经网络的输出量为预测时刻的负荷值；步骤2：样本预处理；以电力系统历史负荷数据为样本，对历史负荷数据中的异常数据进行修复处理；并将修复处理后的历史负荷数据进行归一化处理；步骤3：建立改进的遗传小波神经网络；利用遗传算法选出小波神经网络最优的初始权值，并将其用于小波神经网络；同时在小波神经网络权值修正的过程中增加动量项，避免陷入局部最优；从而构成改进的遗传小波神经网络；步骤4：利用改进的遗传小波神经网络进行短期电力负荷预测；使用预测日前的历史负荷数据和日期类型数据作为训练样本，进行样本预处理后，对改进的遗传小波神经网络进行训练，用训练好的改进的遗传小波神经网络进行短期电力负荷预测，得到预测数据；将预测数据反归一化，从而得到实际的预测负荷值。