基于小波变换和遗传算法优化神经网络负荷预测.pdfVIP

第 33卷第 3期 四 川 电 力 技 术 Vo1．33，No．3 2010年 6月 SichuanElectricPowerTechnology Jun．，2010 基于小波变换和遗传算法优化神经网络负荷预测 刘 绚 ，刘天琪 (四川大学电气信息学院，四川 成都 610065) 摘 要：提 出了采用小波变换和遗传算法优化神经网络的混合模型对 电力负荷进行短期预测。首先通过 小波变换， 将原始负荷序列分解到不同的尺度上，然后根据不同的子负荷序列的特性分别建立相 匹配的神经网络模型，采用遗 传算法优化各神经网络模型的初始权值，最后对各分量预测结果进行重构得到最终预测值。采用成都某地区2009 年的实际负荷对所提方法进行验证，实验结果表明基于该方法的负荷预测系统具有较高的预测精度。 关键词：负荷预测；神经网络 ；小波变换 ；遗传算法 Abstract：A novelshort—term loadforecastingmethodusingwavelettransform andneuralnetworkoptimizedbygeneticalgo— rithm isproposed．Firstly，bythewavelettransform，theloadseriesisdecomposedintothesubserieswithdifferentfrequency characteristics，thenaccordingtothefeaturesofthedecomposedcomponents，thecorrespondingneuralnetworkmodelsare constructedtoforecastthecomponents，finallytheforecastingresultisobtainedbythereconstructionoftheforecastingresultof components．Thegeneticalgorithm optimizationisusedtooptimizetheinitialweightsofneuralnetworkmodelofeachdecom— posedsubsequence．Experimentalresultsshow thattheproposedforecastingmethodhasasatisfactoryaccuracy． Keywords：loadforecasting；ANN；wavelettransform ；geneticalgorithm 中图分类号：TM7l1 文献标志码：A 文章编号 ：1003—6954(2010)03—0015—04 负荷预测是电力系统管理现代化的重要 内容之 个具有不同频率分量的叠加，所以可以通过对负荷序 一 ，对 电力系统的安全、经济、可靠运行具有重要作 列进行频域分析将这些频率分量分离出来，对每个分 用。传统的负荷预测方法有时间序列法、回归分析 量单独进行分析并根据其特性建模并预测。负荷中 法 、灰色模型法 ¨、支持 向量机 等 。这些方法模型 某些分量在时域上 的表现是瞬时的、随机的，为 了能 简单便于使用，但预测精度低 ，难 以满足负荷预测的 捕获这一类分量的频率规律，用传统的时频分析方法 要求。随着人工智能技术的发展，人工神经网络被广 就显得力不从心。 泛应用于负荷预测 ，并成为其主要方法之一。径 这里采用小波变换的方法，对负荷序列进行小波 向基函数(RBF)神经网络H作为前 向神经网络的一 变换，将负荷序列分别投影到不同的尺度上，而各尺 种主要形式 ，具有结构简单 、学习快速的特点，但是从 度可近似地看作各个不同的 “频带”，这样各个尺度 本质上讲，RBF神经网络算法属于梯度下降算法，初 上的子序列分别代表 了原