基于小波理論和縱橫交叉算法優(yōu)化神經(jīng)網(wǎng)絡的短期負荷預測研究.pdf

1、一直以來，電力系統(tǒng)短期負荷預測都是電力領域研究的熱門課題，同時也是調(diào)度、用電等管理部門的重要工作之一。負荷預測是指在對歷史數(shù)據(jù)的研究和分析的基礎上，對未來負荷情況進行科學合理的預測。準確的電力負荷預測是管理人員制定合理發(fā)電計劃的重要依據(jù)，預測精度的高低對電力系統(tǒng)運行的安全性、可靠性和經(jīng)濟性都有著重要影響。
　　鑒于負荷原始序列多毛刺以及神經(jīng)網(wǎng)絡學習易陷入局部最優(yōu)問題，本文給出一種結(jié)構(gòu)為“分解-重構(gòu)-優(yōu)化神經(jīng)網(wǎng)絡-預測-綜合”的基于

2、小波理論和縱橫交叉算法優(yōu)化神經(jīng)網(wǎng)絡的預測新方法。首先使用小波變換將負荷原始序列作三層分解與重構(gòu)，將得到的與原始負荷序列長度相同的不同頻段四個子序列分別輸入BP神經(jīng)網(wǎng)絡進行學習訓練，針對神經(jīng)網(wǎng)絡在訓練過程中容易陷入局部最優(yōu)的問題，在此將一種新的群智能搜索算法——縱橫交叉算法引入，該算法通過橫向和縱向兩種搜索機制，相比于目前群智能算法存在的易早熟和局部極值問題，其在處理高維度、多峰優(yōu)化問題上優(yōu)勢明顯。運用該算法對神經(jīng)網(wǎng)絡權(quán)值和閥值進行優(yōu)化，