[发明专利]基于神经网络和思维演化搜索的短期负荷预测方法

摘要

基于神经网络和思维演化搜索的短期负荷预测方法，其步骤为：步骤一：获取历史负荷数数据，并对其进行分段以及归一化处理；步骤二：获取天气状况和日期类型等相关影响负荷预测的数据样本，连同历史负荷数据一起作为输入变量；步骤三：确定训练集、测试集的输入输出样本；步骤四：根据输入输出样本的矩阵维数；步骤五：确定Elman网络结构；步骤六：由网络结构确定编码长度；步骤七：进行MEA算法参数设置；步骤八：进行趋同和异化操作，获取最优权值，最优阈值；步骤九：由最优权值和阈值建立Elman网络模型，并进行负荷预测；步骤十：对网络输出值进行去归一化处理，得到预测值，并进行误差分析和预测性能评估。

主权项

基于神经网络和思维演化搜索的短期负荷预测方法，其特征在于，其步骤为：步骤一：获取历史负荷数数据，并对其进行分段以及归一化处理；步骤二：获取天气状况和日期类型等相关影响负荷预测的数据样本，连同历史负荷数据一起作为输入变量；步骤三：确定训练集、测试集的输入输出样本；步骤四：根据输入输出样本的矩阵维数，确定Elman网络输入层神经元个数S1和输出层神经元个数S3，中间隐含层神经元个数由网络反复训练决定，记为S2；步骤五：确定Elman网络结构，Elman网络由输入层、隐含层、承接层、输出层构成，其中承接层用来记忆隐含层前一时刻的输出，并将该输出信息反馈给隐含层，通常可将该网络结构简记为S1‑S2‑S3；步骤六：由网络结构确定编码长度，记为S，即所需优化的权值阈值个数；步骤七：进行MEA算法参数设置，设置种群大小POPsize、优胜种群个数Bestsize、临时种群大小Temsize、子群体大小SG；步骤八：进行趋同和异化操作，比较其适应度值Fitness大小并产生优胜个体，获取最优权值w1、w2、w3，最优阈值b1、b2；步骤九：由最优权值和阈值w1、w2、w3、b1、b2建立Elman网络模型，并进行负荷预测；步骤十：对网络输出值进行去归一化处理，得到预测值，并进行误差分析和预测性能评估。