动量自适应学习速率梯度下降法神经网络电力负荷预测.pdf

《电气开关》(2014．No．5) 49 文章编号：1004—289X(2014)05—0049—03 动量 自适应学习速率梯度下降法神经网络电力负荷预测 关小芳 (三峡大学电气与新能源学院 湖北 宜昌 443000) 摘 要：电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定，是 电力负荷预测的重要 组成部分。利用人工神经网络可以任意逼近非线性系统的特性，将其用于短期负荷预测。在标准的BP网络 中 加入了动量项和 自适应学习速率，预测结果表明比标准 BP算法具有更好的性能。在相同的情况下，连续预测六 天的负荷和一年的负荷，结果都证明了研究方法具有一定的实用性。 关键词：神经网络；负荷预测；BP算法；动量项；自适应学习速率 中图分类号：TM71 文献标识码 ：B BP NeuralNetworkPowerLoadForecastingBased onM omentum andAdaptiveLearningRate GUANxiao-fang (CollegeofElectricalEngineeringandNewEnergy，ChinaThreeGorgesUniversity，Yichang443000，China) Abstract：Theaccuracyoftheforecastofpowersystem load，whichisanimportantpartoftheforecastofpowersystem load，willdirectlyaffecttheeconomicofthepowersystemsanditssecurityandstability．Theuseofartificialneural net— workcouldgetthesimilarfeaturelikenonlinearsystem anduseitontheshortterm forecast．Researchesaddmomentum andadaptivelearningrateintotheimprovedBPnetworkandcombinatethesametypeofvagueandmappingresultswhen buildinginputnetworksshowsthatithasbetterperfomr ancethanstandardBPalgorithms．Inthesamecircumstances，the resultofforecastingasixdayloadandoneyearloadshowsthatthemethodofthisstudyhasacertainpracticality． Keywords：artificialneuralnetwork；powerloadf0recasting；algorithm ofBP；momentum；adaptivelearningrate 1 引言 2 电力负荷预测的原理 电力系统负荷预测是根据电力负荷、经济、社会、 科学的预测是正确决策的依据和保证。电力系统 气象等历史数据，研究电力负荷历史数据的变化规律 负荷预测是指从己知的经济、社会发展和电力需求情 对未来负荷的影响，来寻求电力负荷与各种相关因素 况出发，通过对历史数据的分析和研究，探索事物之间 之间的内在联系 ，而对未来 的电力负荷进行科学的预 的内在联系和变化规律，对未来电力需求作出预先的 测。负荷预测对电力系统许多部门都起着重要的作 估计和推测。做好电力系统预测工作是降低运行成本 用。负荷预测精度越高，越有利于提高发电设备的利 和提高电力设备的运行效率的前提 ¨J。 用率和经济调度的有效性。人工神经网络具有很强的 3 BP神经网络的负荷预测 自学习和复杂的非线性函数拟合能力，