人工神经网络法燃气日负荷预测输入变量选取.pdfVIP

第30卷 第1期 煤 气 与 热 力 Vo1．30No．1 2010年 1月 GAS HEAT Jan．2010 人工神经网络法燃气 日负荷预测输入变量选取 姚 健 ， 周伟国， 张中秀 (同济大学 机械工程学院，上海 200092) 摘 要： 研究了RBF神经网络在城市燃气 日负荷预测 中的应用及输入变量的选择 问题，提 出了基于逐步回归的输入变量选取方法。对实例进行 了预测 ，对不同输入变量方案进行 了对比分 析。以逐步回归选取的输入变量为基础 ，增加 日期类型、前一天平均气温两项数据作为输入变量， 完全满足神经网络用于城市燃气 日负荷预测精度的要求，且合理可行。 关键词： 神经网络； 城市燃气； 负荷预测； 输入变量； 自变量 中图分类号 ：TU996 文献标识码 ：A 文章编号 ：1000—4416(2010)O1—0A28—03 Selection ofInputVariablesinDailyGasLoadForecast BasedonArtificialNeuralNetwork YAOJian， ZHOUWei—guo， ZHANGZhong—xiu Abstract： TheapplieationofRBF neuralnetworktodailycitygasloadforecastandtheselection ofinputvariablesarestudied．Theselectionmethodofinputvariablesbasedonstepwiseregressionisput forward．A easeforecastiscarriedout，andacomparisonamongschemeswithdifferentinputvariablesis made．Basedon theinputvariablesselectedby stepwiseregression，addingdatetypeandaverageair temperatureofpreviousdayasinputvariablescanmeettheaccuracyrequirementofneuralnetworkfor dailycitygasloadforecast，anditisreasonableandfeasible． Keywords： neuralnetwork； citygas； loadforecast； inputvariable； independentvariable 1 概述 等 采用训练速度快的RBF神经网络对燃气 日负 神经网络经过逾60年的发展，已经形成了多种 荷进行了预测，结果表明RBF神经网络满足预测需 模型、算法，广泛应用于各个领域。在城市燃气负荷 求。 预测中，不同的模型、算法表现出各 自的优缺点。目 2 RBF网络 前较为成熟的应用于城市燃气负荷预测的方法主要 RBF网络是一种两层前 向型神经网络，包含一 为 BP网络及 RBF网络。这两种方法在一定范围内 个具有径向神经元的隐层和一个具有线性神经元的 具有实用性 ¨ J。谭羽非等 用BP神经网络建立 输出层。 了既反映煤气负荷连续性、周期性及变化趋势，又包 RBF网络和普通的前向网络有所不同，隐层神 含天气、气温、节假 日等影响因素的短期负荷预测模 经元是径向基神经元而不是 tansig或者 logsig神经 型；李持佳等 考虑天气、温度、传统节假 日等因 元。普通前 向网络 中sigmoid神经元能够覆盖较大 素，采用 BP网络和RBF网络相结合的方法对春节 的