基于集成型Elman神经网络的电力系统短期负荷预测研究

来源 :青岛大学 | 被引量 : 0次 | 上传用户:mmllpp000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
电力系统是近几十年来最为复杂的人工智能系统之一,随着系统的不断发展壮大,精准的负荷预测在系统的安全、高效、经济运行中发挥着重大作用。短期负荷预测作为电力系统运行中必不可少的一项工作,是合理安排机组开停计划、制定调度计划的基础,因此如何提高短期负荷预测的精度成为国内外学者普遍关注的重点问题。本文首先介绍了短期负荷预测的特点、影响因素以及基本预测流程,接着对在短期负荷预测中占重要地位的人工神经网络作了简要说明,并重点介绍了具有动态递归特性的Elman神经网络。针对传统Elman神经网络预测结果随机性大、预测精度不高的缺点,构建了基于Bagging算法与Elman神经网络融合的短期负荷预测模型。该模型是利用Bagging算法来改善传统Elman神经网络预测结果随机性大的问题,以提高预测模型的预测精度和稳定性。通过实例仿真验证,与传统的Elman神经网络预测模型相比,该模型可有效提高预测精度和预测稳定性。在基于Bagging算法与Elman神经网络融合的短期负荷预测模型中,每个Elman神经网络的子训练集样本均按同一概率采样的方式产生,对预测误差大的样本不能给予更多关注,且最终的预测结果仅为各Elman神经网络预测结果的简单平均,这些因素都将影响预测精度的提升。为消除这些不利因素的影响,提出了一种基于Boosting回归算法与Elman神经网络融合的短期负荷预测模型,该模型中每个Elman神经网络模型的子训练集样本均按概率采样的方式产生,且当前Elman神经网络的建立依赖于上一个Elman神经网络的训练结果,使Elman神经网络得到不断优化,最终的预测结果取各Elman神经网络预测结果的加权和。经实例仿真分析,证明该模型比基于Bagging算法与Elman神经网络融合的短期负荷预测模型具有更高的预测精度。基于Boosting回归算法与Elman神经网络融合的短期负荷预测模型中的传统Elman神经网络存在收敛速度慢、易于陷入局部最小值的缺点。为解决这一问题,采用了PSO算法对传统Elman神经网络进行优化,并将优化后的网络与Boosting回归算法相结合,构建了基于Boosting回归算法与PSO-Elman神经网络融合的短期负荷预测模型。经实例仿真验证,与基于Boosting回归算法与Elman神经网络融合的短期负荷预测模型相比,该模型进一步提高了预测精度。
其他文献
叙述了眼前山铁矿露天转地下开采工程量大,周期长、施工组织难度大、时间紧、任务重等现状,并结合矿山生产实际情况,重新对施工网络计划进行优化调整,保证在安全的前提下,实现矿山
西泉眼水库作为哈尔滨市第二水源地,事关居民的饮用水安全,而浮游植物群落特征则是水库生态系统健康状况监测与评估的重要研究内容之一,能为水库生态系统健康提供科学支撑.本
现如今,社会经济在高效地发展,在城市建设的过程中,高压电器的数量在不断增加。在对不同类型的高压电器进行设计的过程中,机械的可靠性是相对比较重要的影响因素。在保证高压
目的:探究综合护理干预在普外科术后应用自控镇痛泵患者中应用价值。方法:随机抽取2015年5月-2016年5月我院普外科术后应用自控镇痛泵治疗的90例患者作为观察对象,并随机分为实
大量研究和实践不仅证明了员工敬业度和企业经营绩效之间的强关联性,而且还表明企业完全可以通过有效措施来提升员工的敬业度。以数据赢得管理层的支持在很多企业,对员工敬业
谈到 17、18世纪在华传教士对萌芽期欧洲汉学的贡献 ,通常从这几个指标衡量 :传教士本人的中文造诣和有关中国之研究成果的价值 ,传教士在欧洲传播普及中国知识的程度 ,传教
三维排水柔性生态护坡由装有营养土的生态袋,通过三维排水联接扣由单体联结成一个整体,形成一个稳定的柔性护坡结构,并与植物根系联结在一起形成复合稳定的边坡防护结构。它
探求竞争情报的涵义和国内外发展现状,指出竞争情报对提升企业竞争力的作用,提出强化决策者的情报意识,建立高素质的情报队伍等建议。
实际工程结构设计往往在确定性范畴内进行,所得结构存在较大失效可能性,基于此,提出一种基于可靠性的连续体动态拓扑优化方法,将结构可靠性分析方法嵌套到连续体拓扑优化中.考虑了
类别不平衡问题是机器学习在很多真实世界应用中面临的一大挑战,即分类问题中各类样本数差异明显,某些类别样本数远远小于其他类别,而小类别是关注的重点。在类别不平衡学习