[发明专利]基于蚁群神经网络的负荷预测方法及包含该方法的系统、存储器

摘要

本发明公开了一种基于蚁群神经网络的负荷预测方法及包含该方法的系统、存储器，该方法将影响电力负荷的因素和对应的时间段的历史负荷数据作为训练样本，对数据进行预处理后，建立蚁群算法优化的BP神经网络预测模型。本发明利用蚁群算法寻找最优值作为BP神经网络的参数，使得BP神经网络的收敛速度提升，同时有效的改善了预测的准度。并且本发明依据该方法设计了包含该方法的系统及存储器。

主权项

1.基于蚁群神经网络的负荷预测方法，其特征在于包括以下步骤：S1:选取历史日期的历史数据，所述历史数据包括历史负荷数据以及与所述历史负荷数据相关的历史气象数据；S2:建立BP神经网络，将气象数据作为输入量，负荷数据作为输出量，设定隐含神经元个数，并确认学习规则；S3:根据所述的神经网络包含的权值个数n建立检索地图，所检索地图由n个权值生成的数据集合构成；S4:初始化检索地图上的所有元素的概率相等，并初始化蚂蚁个数；S5:驱动每一个蚂蚁按概率在n个权值集合的元素间爬行；S6:计算每一个蚂蚁在所述权值集合的元素中留下的信息素；S7:计算权值的元素所经过蚂蚁留下的信息素总和，获得累积信息素；S8:根据所述信息素更新蚂蚁经过权值的元素的概率：其中，α表示信息素的相对重要程度，β表示启发式因子的相对重要程度；J_a(i)表示蚂蚁a下一步选择的城市集合，t为时刻；η_ij(t)表示t时刻的启发式因子，反映蚂蚁从元素i到元素j的启发程度；τ_is(t)表示在t时刻在i集合中s元素上的信息素；S9:重新执行步骤S5，至最大迭代次数或终止条件；S10:输出最优值的蚂蚁所爬行进过的权值元素；S11:将所述权值元素代入BP神经网络对应权值，并将历史负荷数据及其相关的历史气象数据代入神经网络完成训练。