[发明专利]一种基于BP神经网络的多元电网负荷预测方法

权利要求书

1.一种基于BP神经网络的多元电网负荷预测方法，其特征在于，包括以下步骤：

步骤1，调用多元电网历史数据，确定BP神经网络的样本输入变量；

步骤2，根据步骤1确定的BP神经网络样本输入变量，确定BP神经网络模型中隐含层神经元个数；

步骤3，计算确定BP神经网络模型中输出层的输出；

步骤4，计算BP神经网络样本训练的单个样本输出误差及所有样本输出总误差；

步骤5，将步骤4获得的样本输出总误差与预设阈值比较，直至满足样本收敛结束条件，获得训练后的BP神经网络模型；

步骤6，根据预测日的实际数据生成测试输入量，将测试输入量输入步骤5获得的训练后的BP神经网络模型，输出即为预测的负荷值。

2.根据权利要求1所述的一种基于BP神经网络的多元电网负荷预测方法，其特征在于，步骤1具体为：从多元电网历史数据库中调用数据，建立BP神经网络样本输入变量数据数组：

负荷预测的输入变量X_k＝[x₁,x₂,…,x_n]；

其中，n的值为6，[x₁,x₂,…,x₆]分别是预测日前一天负荷值，以及预测日前一天的当日最高温度、当日最低温度、当日平均温度、当日天气情况和当日节假日类型。

3.根据权利要求2所述的一种基于BP神经网络的多元电网负荷预测方法，其特征在于，负荷预测的输入变量X_k＝[x₁,x₂,…,x_n]；

其中，n的值为12，[x₇,x₈,…,x₁₂]分别是预测日前两天负荷值，以及预测日前两天的当日最高温度、当日最低温度、当日平均温度以、当日天气情况和当日节假日类型。

4.根据权利要求3所述的一种基于BP神经网络的多元电网负荷预测方法，其特征在于，负荷预测的输入变量X_k＝[x₁,x₂,…,x_n]；

其中，n的值为23，[x₁₃,x₁₄,…,x₁₈]分别是预测日前七天负荷值，以及预测日前七天的当日最高温度、当日最低温度、当日平均温度以、当日天气情况和当日节假日类型；[x₁₉,x₂₀,…,x₂₃]分别是预测日当日最高温度、当日最低温度、当日平均温度以、当日天气情况和当日节假日类型。

5.根据权利要求4所述的一种基于BP神经网络的多元电网负荷预测方法，其特征在于，步骤2中：

BP神经网络模型中输入层神经元个数N，N的值为n；

负荷预测输出结果为预测日当天预测的负荷值，BP神经网络模型输出层神经元个数M＝1；

BP神经网络模型隐含层神经元个数

6.根据权利要求5所述的一种基于BP神经网络的多元电网负荷预测方法，其特征在于，步骤3计算BP神经网络模型中输出层的输出具体为：

BP神经网络模型中，输入层第i个神经元的输出为：Y_i＝f(x_i)，其中1≤i≤23；

隐含层第h个神经元的输入为：得，

隐含层第h个神经元的输出为：Y_h＝f(I_h)；得，

输出层第j个神经元的输入为：得，

输出层第j个神经元的输出为：Y_j＝f(I_j)；

其中，ω_hi为BP神经网络输入层到隐含层算法系数，θ_i为BP神经网络输入层输出修正系数，ω_jh为BP神经网隐含层到输出层算法系数，θ_j为BP神经网络隐含层输出修正系数。