基于改进的BP神经网络算法的短期电力负荷预测..doc

电力工程信号处理仿真 基于遗传BP神经网络算法的 电力负荷预测 院 系： 能源与动力工程学院 专 业： 电力系统及其自动化 指导老师 王瑞霞老师 学 号： 115108000887 姓 名： 于杏 日 期： 2016.01.17 1引言 在本节门课的作业中，我的综述内容是电力负荷预测算法的分析比较，所以在仿真作业中选择的是用在其中一种算法改进的基础上，来完成短期负荷预测的仿真任务，即用改进的BP神经网络算法实现电力负荷预测。 2 BP遗传算法的改进 1）标准BP遗传算法的不足: 1）学习步长η采用确定值且足够小。但是小的步长会使学习过程很慢，大的步长又容易导致学习过程震荡，从而收敛不到期望值； 2）一般神经网络在无任何先验知识的条件下，其初始状态都是随机设定的。网络训练的终止条件可由能量函数确定，当能量函数的变化很小时停止。传统的BP算法由于初值选取不当，网络学习往往陷入局部极小，使学习过程失败。 2）算法改进方案: 针对BP神经网络的两个主要缺点，网络训练速度慢，对初始权值敏感，容易陷入局部极小点提出了如下改进措施: 1) 针对神经网络的收敛速度慢的缺陷，可以采用了带有变步长η和变动量因子α的改进BP算法，还可以将Lederberg-Marquardt数值优化技术引入到网络的训练中 2) 针对BP神经网络由于初始权值选取不当容易陷入局部极小点，本文将遗传算法引入到网络初始权值的确定中，提出了遗传算法和BP神经网络相结合遗传BP神经网络训练算法。 N 样本训练完 ？ Y N 误差? Y 图2-1标准BP算法流程图 b.改进后的流程图： N 误差减小 ？ Y N 误差? Y 图2-2改进后BP算法流程图 3 MATLAB 仿真实现 下面仿真所采用的样本是某地区七月份前天某一小时的数据预测第天这个小时的用电量进行 1095.1 1138.8 1053.4 998.7 01时 1130.5 1100.5 1015.4 997.4 02时 1201.5 1001.1 1999.1 980.8 03时 1013.2 1987.5 979.5 950.0 04时 1799.9 989.8 950.5 965.0 05时 1001.2 950.0 964.9 980.5 06时 953.6 965.9 980.0 997.5 07时 964.1 981.9 980.5 1006.0 08时 990.2 1007.4 1000.4 1085.0 09时 997.4 998.3 998.9 999.5 10时 1106.3 1104.9 1094.5 1186.1 11时 1086.8 1101.5 1100.5 1209.0 12时 1007.1 1206.9 1169.8 1172.1 13时 1206.2 1170.1 1206.1 1155.2 14时 1200.8 1170.1 1169.5 1146.2 15时 1168.2 1151.1 1169.0 1141.5 16时 1207.2 1142.1 1157.5 1155.2 17时 1146.5 1155.6 1146.5 1130.5 18时 1201.8 1132.8 1141.5 1120.1 19时 1097.6 1117.5 1160.6 1206.8 20时 1130.8 1117.5 1129.5 1186.9 21时 1097.6 1176.5 1117.5 1158.9 22时 1180.8 1184.5 1162.5 105