[发明专利]基于遗传算法优化Elman神经网络的短期功率预测方法

摘要

本发明涉及一种基于遗传算法优化Elman神经网络的短期功率预测方法，包括以下步骤：首先确定Elman神经网络拓扑结构，其中包括神经网络输入层节点个数、隐藏层节点个数、输出层节点个数、承接层节点个数等。然后初始化Elman神经网络权值阈值长度。再使用遗传算法对初始值进行编码并进行交叉变异等操作产生优化后的神经网络初始权值，最后对神经网络进行学习和训练并更新权值，得到预测结果。本发明使得预测准确率更高，速度更快，便于电网的调度运行。

主权项

1.一种基于遗传算法优化Elman神经网络的短期功率预测方法，其特征在于，包括以下步骤：(1)确定Elman神经网络拓扑结构；(2)种群初始化编码：用遗传算法将Elman神经网络的初始随机权值和阈值编码为由若干染色体组成的初始种群；(3)个体适应度值计算：用训练数据训练Elman神经网络后预测系统输出，用预测输出和期望输出的误差绝对值之和来计算个体适应度值；(4)寻找最优适应度个体：对步骤(2)和步骤(3)中已经选择的种群和计算出的适应度值找出参与交叉变异的个体，对群体进行优胜劣汰操作，使适应度较高的个体被遗传到下一代群体中的概率较大，使适应度较小的个体被遗传到下一代群体中的概率较小，计算出最优适应度个体，取得最优权值阈值；(5)根据得到的最优权值阈值进行网络训练和结果预测。