[发明专利]基于T‑S模糊Elman神经网络的短期电力负荷预测方法

摘要

本发明涉及一种基于T‑S模糊Elman神经网络的短期电力负荷预测方法，包括以下步骤获取某地区的电力系统历史负荷数据，对历史负荷数据的异常数据进行处理；对影响电力负荷因素进行分析与量化，将修正后的数据进行归一化；确定神经网络的输入输出数据，在规则层引入延时单元，将规则层的输出即上一时刻所有规则的激活强度作为当前时刻输入的信息，从而建立基于T‑S模糊Elman神经网络，用训练好的T‑S模糊Elman神经网络进行预测，并将预测的数据反归一化从而得到最终的预测负荷值。本发明可以很好的拟合电力负荷系统的非线性、动态性和时变性的特点，预测精度较高，可广泛应用于电力系统短期负荷预测中。

主权项

一种基于T‑S模糊Elman神经网络的短期电力负荷预测方法，其特征在于，包括以下步骤：步骤1、获取某地区的电力系统历史负荷数据，对历史负荷数据的异常数据进行处理；步骤2、对影响电力负荷因素进行分析与量化，将修正后的负荷数据进行归一化；步骤3、确定神经网络的输入输出数据，其中，将预测日当天的天气特征、温度、日期类型和t‑1小时负荷值以及预测时刻的n‑1、n‑2日第t、t‑1和t+1小时负荷值作为输入数据，预测日的第t小时整点负荷值为输出数据，并且确定最优的隐含层神经元的个数，在规则层引入延时单元，将规则层的输出即上一时刻所有规则的激活强度作为当前时刻输入的信息，从而建立基于T‑S模糊Elman神经网络；步骤4、使用预测日前两个月的历史负荷数据、天气参数数据和日期类型数据进行训练，用训练好的T‑S模糊Elman神经网络进行预测，并将预测的数据反归一化从而得到最终的预测负荷值。