基于Bagging 算法和遗传BP 神经网络的负荷预测.pdfVIP

第2】卷 第 5期 计 算 机 技 术 与 发 展 Vo1．2l NO．5 2011年5月 COMPUTER TECHNOLOGY AND DEVEIOPMENT Mav 2011 基于 Bagging算法和遗传 BP神经网络的负荷预测 丁华福 ，柴 琳 (哈尔滨理工大学计算机科学与技术学院，黑龙江 哈尔滨 150080) 摘 要：负荷预测是电力规划的基础 ，传统的神经网络预测方法存在对初始 网络权值设置敏感 、收敛的速度慢 、容易陷入 局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化 ，再通过神经 网络进行学习和训练，得 出的结果 再经 Bagging方法集成 ，目的是提高其准确率。通过Matlab仿真进行实验，结果表明，基于Bagging算法集成遗传神经网 络，能够克服传统BP神经网络的缺点，可较快收敛义小易陷入到局部极值巾，具有较强的泛化能力，同时也大大提高了网 络的预测精度。 。 关键词：BP神经网络 ；遗传算法 ；Bagging方法 ；负荷预测 中图分类号 ：TP183 文献标识码 ：A 文章编号：1673—629X(2011)05—0107—04 LoadForecastingBased onBaggingM ethodandGABP NeuralNetwork DING Hua-fu，CHAILin (Sch．ofComputerSci．andTech．，HarbinUniv．ofSci．nadTech．，Harbin150080，China) Abstract：Theloadforecastistheelectricpowerplanfoundation．However，therearelotsofdisadvantagesinthetraditionalneuralnet- workpredictionways，includingbe sensitiveto theinitialnetworkweights，easy tornn into thelocalminimum point，etc Bringsfor— wradgeneticalgorithm totheBP neuralnetwork，optimizingtheinitialnetworkweights．In ordertoimprovehteaccuracy，usehteBag— gingmethodintegratedtheresults Through the simulation experimentonM atlab，foundoutthatbyourresearchnotonlyhteBagging mehtodandgeneticneuralnetworkcanavoidthedisadvantagesinthetraditionalBPnetworkna dinherititsgoodlearningandrtaininga— bilities，butalsohave strongergeneralization ability，na dimprovethepredictionprecision． Keywords：BPneuralnetwork；geneticalgorithm ；Bagging；loadforecast O 引 言 目前，许多专家和学者将空间负荷预测的重点放 电力负荷预测的含义，是在实时控制、运行计划和 在对未来土地使用情况的预测上 ，由于士地开发市场 发展规划的前提下 ，预测电力需求量或用电量。其特 化，使得土地使用情况复杂化 ，很难得到准确的结果， 点在于根据电力负荷的过去和现在的数据并结合相关 负荷曲线是非线性的，受许多因素的影响。神经网络 因素数据来推测它的未来数值 ，是电力市场重要的组