資源描述:
《基于遺傳算法優(yōu)化和bp神經(jīng)網(wǎng)絡(luò)的中長期負(fù)荷聯(lián)合預(yù)測(cè)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、為了確保“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用,我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后,中心校組織各學(xué)點(diǎn)管理人員統(tǒng)一到縣教師進(jìn)修學(xué)校進(jìn)行培訓(xùn),熟悉系統(tǒng)的使用和維護(hù)。基于遺傳算法優(yōu)化和BP神經(jīng)網(wǎng)絡(luò)的中長期負(fù)荷聯(lián)合預(yù)測(cè) 摘要傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)存在學(xué)習(xí)速度慢、局部極小等缺陷,已無法滿足現(xiàn)代電力負(fù)荷預(yù)測(cè)的精度要求?;诖耍疚氖紫仍诜治隽薆P神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)原理和不足的基礎(chǔ)上,闡述了遺傳算法的原理及優(yōu)化步驟,優(yōu)化后的算法避免了初始閾值和權(quán)值選擇的盲目性,提高了BP算法負(fù)荷預(yù)測(cè)的精度和效率,最后實(shí)際算例驗(yàn)證了該聯(lián)合預(yù)測(cè)方
2、法的可靠性及可行性。 關(guān)鍵詞BP神經(jīng)網(wǎng)絡(luò);遺傳算法;中長期負(fù)荷;預(yù)測(cè) 中圖分類號(hào)TP3文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1674--0095-03為了充分發(fā)揮“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備的作用,我們不僅把資源運(yùn)用于課堂教學(xué),還利用系統(tǒng)的特色欄目開展課外活動(dòng),對(duì)學(xué)生進(jìn)行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?!敖虒W(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用,我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后,中心校組織各學(xué)點(diǎn)管理人員統(tǒng)一到縣教師進(jìn)修學(xué)校進(jìn)行培訓(xùn),熟悉系統(tǒng)的使用和維護(hù)?! ≈虚L期電力負(fù)荷預(yù)測(cè)是電網(wǎng)規(guī)劃的基礎(chǔ)
3、工作。電網(wǎng)規(guī)劃、決策、經(jīng)濟(jì)的良好運(yùn)行都需要準(zhǔn)確的電力負(fù)荷預(yù)測(cè)。對(duì)于中長期負(fù)荷預(yù)測(cè)廣泛采用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法[1-2],目前大多采用BP神經(jīng)。BP神經(jīng)網(wǎng)絡(luò)[3]是一種靜態(tài)神經(jīng)網(wǎng)絡(luò),存在學(xué)習(xí)速度慢、局部極小等問題,為了更加精確方便的做出預(yù)測(cè)提出了各種優(yōu)化方法對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。而遺傳算法[3]是借鑒生物界優(yōu)勝劣汰的進(jìn)化規(guī)律,模擬生物在自然界的遺傳和進(jìn)化過程而形成的一種全局優(yōu)化隨機(jī)概率搜索算法,它能解決許多困難或復(fù)雜的問題,對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值閾值的優(yōu)化提供了一個(gè)確實(shí)可行的方法。本文基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法對(duì)中長期的負(fù)荷進(jìn)行
4、預(yù)測(cè),通過實(shí)例預(yù)測(cè)、分析和結(jié)果的對(duì)比,驗(yàn)證該聯(lián)合預(yù)測(cè)方法具有較高的預(yù)測(cè)精度?! ?BP神經(jīng)網(wǎng)絡(luò) 用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行中長期負(fù)荷預(yù)測(cè)的步驟如下: 1)權(quán)值w和閾值b初始化,即把隱含層輸出層權(quán)值和閾值設(shè)置成最小的隨機(jī)數(shù); 2)提取合適的訓(xùn)練樣本集,即訓(xùn)練輸入向量P和訓(xùn)練輸出向量T; 3)隱含層的輸出a1和輸出層的輸出a2的計(jì)算公式如下[1]: 式中:w、w分別是k+1、k時(shí)刻的權(quán)向量;η是學(xué)習(xí)率,取值一般為;D是k時(shí)刻的負(fù)梯度,負(fù)梯度是D的最快下降方向?! ?quán)值按誤差反向傳播方向進(jìn)行,從輸出節(jié)點(diǎn)開始返回到隱含層并按式進(jìn)行進(jìn)化改變
5、。閾值是一個(gè)變化值,在進(jìn)化權(quán)值的同時(shí)也改變閾值,原理同權(quán)值進(jìn)化?! ?)循環(huán)步驟2到步驟5,直至均方誤差和E滿足設(shè)置的精度ε為止,即E<ε,ε一般取以下?! ?遺傳算法 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的實(shí)施步驟為了充分發(fā)揮“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備的作用,我們不僅把資源運(yùn)用于課堂教學(xué),還利用系統(tǒng)的特色欄目開展課外活動(dòng),對(duì)學(xué)生進(jìn)行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?!敖虒W(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用,我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后,中心校組織各學(xué)點(diǎn)管理人員統(tǒng)一到縣教師進(jìn)修學(xué)校
6、進(jìn)行培訓(xùn),熟悉系統(tǒng)的使用和維護(hù)。 1)染色體編碼與解碼將問題的解表示成“基因組”,每一“基因組”代表問題的一個(gè)可行解。隨機(jī)產(chǎn)生一個(gè)基因組為L的初始群體,該初始群體就是問題的一個(gè)可行解的空間集合?! ?)個(gè)體適應(yīng)度的檢測(cè)評(píng)估基于適度函數(shù)對(duì)“編碼串”進(jìn)行評(píng)價(jià)?! ?)遺傳算子。即應(yīng)用一組遺傳操作生成一個(gè)新的可行解空間集合?! ?)終止條件是否滿足要求,如不滿足返回步驟2,這樣循環(huán)執(zhí)行步驟2至步驟4,使“基因組”群體不斷的進(jìn)化,一代一代的進(jìn)化得到的個(gè)體,這個(gè)終極個(gè)體即為問題的最優(yōu)解?! ∵z傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)中的應(yīng)用 1)
7、負(fù)荷數(shù)據(jù)預(yù)處理,通過利用小波理論和平滑法剔除或修補(bǔ)數(shù)據(jù)。本文數(shù)據(jù)來自于開封市電力公司,經(jīng)檢查未發(fā)現(xiàn)負(fù)荷數(shù)據(jù)異于正常數(shù)據(jù),符合實(shí)驗(yàn)數(shù)據(jù)要求?! ?)提取訓(xùn)練樣本,本文中BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸入向量為開封地區(qū)XX年4月30天的實(shí)際負(fù)荷數(shù)據(jù),訓(xùn)練樣本的輸出向量為開封地區(qū)XX年5月前30天的實(shí)際負(fù)荷數(shù)據(jù)?! ?)經(jīng)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè),預(yù)測(cè)出輸出層的預(yù)測(cè)輸出值?! ?)將BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本嵌入遺傳算法中得到相應(yīng)的優(yōu)化后的權(quán)值和閾值?! ?)改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)加入優(yōu)化后的權(quán)值和閾值。為了充分發(fā)揮“教學(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備的作用,
8、我們不僅把資源運(yùn)用于課堂教學(xué),還利用系統(tǒng)的特色欄目開展課外活動(dòng),對(duì)學(xué)生進(jìn)行安全教育、健康教育、反邪教教育等豐富學(xué)生的課余文化生活。為了確?!敖虒W(xué)點(diǎn)數(shù)字教育資源全覆蓋”項(xiàng)目設(shè)備正常使用,我校做到安裝、教師培訓(xùn)同步進(jìn)行。設(shè)備安裝到位后,中