基于子波神经网络非参数模型的电力负荷预测.pdfVIP

第 3O卷第 11期 人 民 黄 河 Vo1．30．No．11 2008年 11月 YELLOW RIVER Nov．，2008 【水利水电工程 】 基于子波神经网络非参数模型的电力负荷预测 万 星 ，李 伟 ，乐 丰 (1．重庆交通大学机 电学院，重庆 400074；2．重庆交通大学 河海学院，重庆 400074) 摘 要：利用小波分析和人工神经网络，在给出基于正交尺度函数的小波网络的基础上，建立非参数回归估计的小波网 络预测模型，并对四川电力负荷变化进行了预测 ，与最小二乘回归预测结果进行了对比分析。结果表明，预测结果与当 地过去电力负荷变化情况相符，且小波网络回归预测结果较好。 关 键 词：电力负荷；小波网络；人工神经网络；非参数估计模型 中图分类号：TP183 文献标识码：A 文章编号：1000—1379(2008)1卜0088-02 将非参数估计应用于电力负荷预测，是解决电力供求优化 集。那么，非参数估计要解决的问题 ，就是根据输入输出样本对 问题的重要方法。神经网络以其能够学习复杂函数而成为非 {，Y}找到函数，的非参数逼近函数，。 参数学习的有力工具。许多研究已显示出神经网络逼近非线 性函数的能力 。然而，神经 网络缺乏网络构造的有效方法， 2 基于正交尺度的小波网络 其本身在神经元参数的确定和网络结构的选择上都没有很好 2．1 小波分析理论 的理论指导。小波理论中的小波分解和单隐层神经网络非常 称满足条件 类似，于是有学者提出把小波与神经网络结合起来的观点，如 文献 [2—4]中离散小波变换被用来分析和合成前馈型神经网 = J． d + (2) 络。在文献[5]中，正交小波基被用于构造基于小波的神经网 的平方可积函数 (t) L(R)为基本小波或母小波 (Mother 络，把小波和神经网络结合起来可以弥补相互的不足，在网络 Wavelet)，其中 ()为 ()的Fourier变换，该小波函数的伸 结构的确定上有一定的理论指导 (借助小波分析理论)，具备神 缩和平移 …(t)=2 6(2t—n)形成空间三(R)的正交基， 经网络的许多优点。基于此，笔者将参数回归估计的小波网络 其中 (R)指R中所有平方可积函数空间。 模型用于电力负荷预测的建模中。 因此，存在 L(尺)正交 分解 (R)=o ， 是 由 1 非参数回归估计 [2 (2 —n)](n∈(一 ，+ ))或 [()](n∈(一 ， +。。))形成的子空间。通常情况下，小波由尺度函数 (t)生 假设有一组关于变量 和Y的数据(。，Y)， ER …Y ∈R， 成，尺度函数 也称为父小波(Fatherwavelet)。尺度函数 (t) i：1，2，…，n。若假设这2个变量具有一个近似的函数关系Y一 的平移和伸缩形成 (尺)的一多分辨分析 (MRA)。即对于一闭 厂()或者更具体地分析认为： 子空间系列 { }满足关系 ^cV一cvoCV c^，有： Y=八 )+s (1) ，m = {0}，clos{ym }=L(R) (3) 其 中 可看成是随机干扰。