[发明专利]一种基于改进ABC算法的Elman神经网络的短期负荷预测方法

权利要求书

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P_k，根据P_k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＝(x_max-x_min)/2+(x_max+x_min)/2

式中x_max和x_min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3中适应度函数fit_i的计算表达式为：

式中，e_i为第i个食物源对应的权值和阈值训练时的均方误差；e_i的计算公式如下：

式中，y_i为实际输出值，T_i为目标输入向量。

5.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5中的邻域搜索是通过引入一个控制参数MR以改变蜜蜂的搜索频率，加快算法的收敛速度；具体地：

对于解x_i的每一维向量x_ij，将产生一个均匀的随机数R_ij(0≤R_ij≤1)，如果随机数R_ij小于控制参数MR，则分量x_ij将由以下方式更新：

其中，g为当前循环数，φ是[-1,1]间的随机数，决定扰动幅度；

在全体采蜜蜂邻域搜索完毕产生新的种群后，按照GOBL计算得到其反向种群，公式如下：