The invention discloses a short-term load forecasting method of Elman neural network based on improved ABC algorithm. After fully analyzing the forward transmission of input signal, the reverse propagation of error signal and the delay operator process of connection layer of traditional Elman neural network, the method has slow convergence speed and search speed for artificial bee colony (ABC) algorithm. A series of improvement measures have been taken to overcome the weakness of the equation development ability, including redesigning the search equation, adjusting the bee search frequency and changing the selection mechanism of the better solution, etc. Then the optimal weight and threshold generated by the improved ABC algorithm are applied to Elman neural network to realize short-term load forecasting of power system and improve the load. Finally, load forecasting function is realized in MATLAB. The experimental results show that the improved ABC algorithm is used to optimize the weights and thresholds, so that the maximum absolute error of forecasting is significantly reduced.
【技术实现步骤摘要】
一种基于改进ABC算法的Elman神经网络的短期负荷预测方法
本专利技术电力
,具体是一种基于改进ABC算法的Elman神经网络短期负荷预测方法。
技术介绍
供电低压台区负荷预测是供电部门的新兴工作之一,通过准确的负荷预测,可以经济合理地调整运行方式,减少上级电站备用容量、合理安排检修计划、降低运营成本、提高经济效益。根据电力系统负荷预测理论,在形成电力交易市场的过程中,负荷预测的研究更具重要意义,低压供电台区的负荷预测亦然。相对而言,中短区负荷预测对低压台区管理的价值更为重要。首先,中期负荷预测的结果,可以作为运行方式调整、低压电网工程施工的决策性依据。其次,24小时的短期负荷预测,可以作为供电企业提供设备过载预警。低压台区负荷预测可以分为长期预测、中期预测、短期预测、超短期预测,对应的时间段为年度、月度、日和时。其中,周预测、日预测、小时预测归为短期预测。目前,由于其负荷发展变化规律趋于稳定缘故,国外的学者关于中长期预测的研究远远多于短期预测,国内则基本上两者并重,但对于供电低压台区的预测还很少。目前,有学者对低压台区电网负荷预测进行了研究,提出了诸多负荷预测方法,如:中国专利(201410453192.1)提出来利用小波原理选取负荷数据中的特殊点作为插值点,同时根据Hurst参数与小波系数之间的关系确定迭代函数系统中的垂直比例因子。在此基础上对历史负荷数据进行仿射变换,得到未来时刻的数据,从而实现负荷预测。但是该方法收敛速度慢,易陷入局部极小值等缺点。中国专利(201610815893.4)获取个区域在待预测日的负荷预测值机近期一个样本空间的负 ...
【技术保护点】
1.一种基于改进ABC算法的Elman神经网络的短期负荷预测方法,其特征在于,包括如下步骤:步骤1:获取原始数据并对原始数据进行预处理和归一化处理;所述原始数据包括初始负荷和气象数据集;步骤2:确定神经元的输入和输出数据,并确定最优的隐含层神经元个数,从而建立基于改进的ABC算法的Elman神经网络;步骤3:确定适应度函数,每个食物源的位置为一组输入层权值、输出层权值和隐含层阈值;步骤4:初始化人工蜂群,设定ABC算法中的参数limit;最大迭代次数;t=1,蜂群种族数目N为所有权值和阈值的总和;步骤5:引领蜂采用最优逼近的邻域搜索方法产生新的侦查蜂,计算当前种群的反向种群,并在当前种群及其反向种群中选择保留较优的部分个体作为新种群;步骤6:基于适应度排序的选择策略计算引领蜂的转移概率Pk,根据Pk选择食物源(解),并采用随机邻域搜索方法产生新的跟随蜂,计算其适应度值。如果新的跟随蜂适应度值优于原个体,则进行替换,否则保留原个体不变;步骤7:对于循环次数limit后仍未被更新的蜜源位置,其对应的跟随蜂转化为侦查蜂,并随机产生一个新的蜜源位置;步骤8:t=t+1;判断算法是否满足终止条件 ...
【技术特征摘要】
1.一种基于改进ABC算法的Elman神经网络的短期负荷预测方法,其特征在于,包括如下步骤:步骤1:获取原始数据并对原始数据进行预处理和归一化处理;所述原始数据包括初始负荷和气象数据集;步骤2:确定神经元的输入和输出数据,并确定最优的隐含层神经元个数,从而建立基于改进的ABC算法的Elman神经网络;步骤3:确定适应度函数,每个食物源的位置为一组输入层权值、输出层权值和隐含层阈值;步骤4:初始化人工蜂群,设定ABC算法中的参数limit;最大迭代次数;t=1,蜂群种族数目N为所有权值和阈值的总和;步骤5:引领蜂采用最优逼近的邻域搜索方法产生新的侦查蜂,计算当前种群的反向种群,并在当前种群及其反向种群中选择保留较优的部分个体作为新种群;步骤6:基于适应度排序的选择策略计算引领蜂的转移概率Pk,根据Pk选择食物源(解),并采用随机邻域搜索方法产生新的跟随蜂,计算其适应度值。如果新的跟随蜂适应度值优于原个体,则进行替换,否则保留原个体不变;步骤7:对于循环次数limit后仍未被更新的蜜源位置,其对应的跟随蜂转化为侦查蜂,并随机产生一个新的蜜源位置;步骤8:t=t+1;判断算法是否满足终止条件,若满足则输出最优解;如果不满足,则返回步骤5;步骤9:找到全局最优解,将改进的ABC算法计算得到的最优权值、阈值赋予Elman神经网络,将训练样本输入到网络中对Elman神经网络进行训练学习;步骤10:利用训练步骤9训练好的Elman神经网络进行短期负荷预测。2.根据权利要求1所述的一种基于改进ABC算法的Elman神经网络的短期负荷预测方法,其特征在于,所述步骤1中预处理的表达式为:x(d,t)=ω1x(d1,t)+ω2x(d2,t)式中x(d,t)表示第d天第t个小时对应的负荷值,ω1x(d1,t)表示第d-1天第t个小时的负荷值,ω2x(d2,t)表示第d+1天第t个小时的负荷值。3.根据权利要求1所述的一种基于改进ABC算法的Elman神经网络的短期负荷预测方法,其特征在于,所述步骤1中归一化处理的表达式为:x=(xmax-xmin)/2+(xmax+xmin)/2式中xmax和xmin代表训练样本集中负荷的最大值和最小值。4.根据权利要求1所述的...
【专利技术属性】
技术研发人员:汪洋,陈凤云,王满商,李正明,闫天一,潘天红,
申请(专利权)人:江苏大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。