[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

摘要

本发明公开了一种基于改进ABC算法的Elman神经网络的短期负荷预测方法，本发明在充分解析传统Elman神经网络的输入信号的正向传递、误差信号的反向传播和承接层的延时算子过程之后，针对人工蜂群(ABC)算法收敛速度慢、搜索方程的开发能力较弱等缺点进行了一系列的改进措施，包括重新设计搜索方程、调整蜜蜂搜索频率和改变较优解的选择机制等方面；再将改进ABC算法产生的最优权值与阈值用于Elman神经网络实现电力系统短期负荷预测，提高负荷预测速度，最后在MATLAB中实现负荷预测功能，由实验结果得出采用改进ABC算法进行权值和阈值寻优处理，使得最大预测绝对误差明显减少。

主权项

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Pk，根据Pk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。