一种基于ELMAN神经网络的短期负荷的预测方法技术

本发明专利技术提供一种基于ELMAN神经网络的短期负荷的预测方法，属于冷热电负荷测领域，S1、采集一段时间的综合能源系统、气象数据系统、教务系统中数据；S2、将数据归一化处理；S3、将数据划分为训练样本和测试样本，输入Elman神经网络模型；S4、建立Elman神经网络模型，设置模型参数；S5、设置Elman神经网络模型中隐藏层和承接层神经元的数量；S6、获得Elman神经网络模型最优参数。通过分析影响需求侧冷、热、电负荷的主要因素确定模型结构，通过训练确定模型参数，并用模型精确预测出短期负荷，为电力控制提供依据，通过ELMAN神经网络算法提高预测结果的准确率，减小预测误差。减小预测误差。减小预测误差。

【技术实现步骤摘要】
一种基于ELMAN神经网络的短期负荷的预测方法


[0001]本专利技术涉及冷热电负荷预测领域，尤其涉及一种基于ELMAN神经网络的短期负荷的预测方法。

技术介绍

[0002]按照负荷预测周期分类，电力系统负荷预测可分为中长期负荷预测、短期负荷预测和超短期负荷预测；其中，短期负荷预测是指针对未来一天到一周时间内每天各时段的负荷预测的研宄；短期负荷预测是电力系统负荷预测研宄中的一项研究重点；短期负荷预测的精度直接影响到电力系统安全经济稳定运行、实现电网科学管理和调度，提高短期负荷预测精度具有重大意义。
[0003]影响短期电力系统负荷的因素有很多，比如天气因素、季节因素等，其中气象因素对负荷的影响至关重要；目前，随着气象部门技术的不断改进和完善，可以向电力相关部门提供实时气象信息，这为提高电力系统负荷预测精度工作带来了很大的帮助。
[0004]现有技术中主要利用神经网络进行短期电力负荷预测的方法，往往使用单一的神经网络(例如BP神经网络)，由于单一神经网络在不同预测环境下的预测效果不同，并且单一的神经网络容易陷入局部最优值而导致预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ELMAN神经网络的短期负荷的预测方法，其特征在于，包括以下步骤：S1、采集校园综合能源系统、气象数据系统和教务系统数据作为输入数据；S2、将所述S1采样到的输入数据归一化处理，映射到
‑
1到1之间；归一化处理公式为：其中，表示归一化后的样本数据，i为样本数，j为样本的分量，x
ij
表示第i个样本的第j个分量，为第j个样本分量的均值，δ
j
为第j个样本分量的标准差；S3、将S2归一化的数据分为训练样本和滚动优化的测试样本，将训练样本数据输入Elman神经网络模型；S4、建立Elman神经网络模型，设定Elman神经网络模型输入变量个数n，隐含层和承接层神经元个数为m，输出变量为k；隐藏层与输入层和承接层间、输出层与隐藏层间的激活函数均选择sigmoid函数；Elman神经网络模型的输出层，隐含层，承接层输出包括：输出层输出为：y(t)＝g(w3(t)h(t))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)隐含层输出为：h(t)＝g(w1(t)x(t)+w2(t)u(t))
ꢀꢀꢀꢀ
(3)承接层输出为：u(t)＝x(t
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，w1∈R
n
×
m
，w2∈R
m
×
m
，w3∈R
m
×
k
分别是输入层到隐含层，承接层到隐含层，隐含层到输出层的权重矩阵；x(t)是t时刻输入向量，x(t
‑
1)是t
‑
1时刻输入向量；g(
·
)为sigmoid激活函数，t是时间步长；S5、设置Elman神经网络模型中隐藏层和承接层神经元的数均为22；S6、以Elman神经网络模型输出与实际输出的绝对误差最小化为目标，根据梯度下降法，当...

【专利技术属性】
技术研发人员：王建玉，
申请(专利权)人：江苏城乡建设职业学院，
类型：发明
国别省市：