基于雙隱藏層神經(jīng)網(wǎng)絡(luò)和混沌時(shí)間序列的短期電力負(fù)荷預(yù)測(cè).pdf

1、隨著電力系統(tǒng)的發(fā)展，高質(zhì)量的短期負(fù)荷預(yù)測(cè)越來(lái)越顯得重要，短期負(fù)荷預(yù)測(cè)(STLF)在電力系統(tǒng)運(yùn)行中起著非常關(guān)鍵的作用，是電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的前提。本文以電力負(fù)荷預(yù)測(cè)為研究對(duì)象，針對(duì)如何提高電力負(fù)荷預(yù)測(cè)精度這一問(wèn)題進(jìn)行深入研究。通過(guò)對(duì)電力負(fù)荷數(shù)據(jù)特點(diǎn)的分析，提出一種基于混沌時(shí)間序列的新的特征提取方法DFNS;將雙隱層神經(jīng)網(wǎng)絡(luò)與Softplus型神經(jīng)網(wǎng)絡(luò)結(jié)合，即D LSNN，應(yīng)用于短期電力負(fù)荷預(yù)測(cè)中，并提出改進(jìn)的差分進(jìn)化算法BMDE對(duì)短期電

2、力負(fù)荷進(jìn)行預(yù)測(cè)仿真實(shí)驗(yàn)。
　　本文首先針對(duì)電力負(fù)荷數(shù)據(jù)具有的混沌性，采用混沌時(shí)間序列的處理方式來(lái)處理，并從理論和實(shí)驗(yàn)兩個(gè)角度對(duì)比分析了目前成熟的處理混沌時(shí)間序列方法的優(yōu)劣，進(jìn)而確定使用復(fù)自相關(guān)法和G-P算法來(lái)求取相空間重構(gòu)參數(shù)?；谙嗫臻g重構(gòu)，依據(jù)輸入向量的非線性強(qiáng)度提出一種新的特征提取方法，即DFNS，以提高電力負(fù)荷預(yù)測(cè)的精度。
　　由于計(jì)算機(jī)實(shí)際運(yùn)算過(guò)程中的缺陷，會(huì)使單隱藏層神經(jīng)網(wǎng)絡(luò)精度無(wú)法達(dá)到理論高度，因此本文采用雙隱

3、藏層神經(jīng)網(wǎng)絡(luò)來(lái)提高預(yù)測(cè)精度，并且使用Softplus函數(shù)作為激勵(lì)函數(shù)，以保證預(yù)測(cè)算法的可靠性。從仿真結(jié)果可以看出，DLSNN的擬合精度相較于單隱藏層Sigmoid型有較大提高。
　　針對(duì)神經(jīng)網(wǎng)絡(luò)尋優(yōu)過(guò)程中的梯度下降法可能會(huì)使算法陷入局部最小值問(wèn)題，本文將DE與BP結(jié)合算法應(yīng)用于雙隱層神經(jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測(cè)研究，保證算法能夠全局尋優(yōu)，并針對(duì)DE收斂速度慢的缺點(diǎn)，提出一種改進(jìn)的DE算法，即BMDE，該算法采用變界搜索和復(fù)制優(yōu)質(zhì)初代個(gè)