[发明专利]一种基于改进飞蛾火焰算法优化BP神经网络的负荷预测方法

摘要

本发明提出了一种基于改进飞蛾火焰算法优化BP神经网络的负荷预测方法，通过采集目标区域在某一时间段的用电负荷数据及对应的天气特征数据，分别归一化后形成原始数据集；利用三层小波分解将原始数据集分解为四个小波；构建并确定BP神经网络的结构、学习效率、目标精度和训练次数，确定改进飞蛾火焰算法的种群规模、迭代次数、搜索空间上下界、搜索速度上下界，依据BP神经网络参数的个数确定飞蛾和火焰的种群维数；利用改进飞蛾火焰算法迭代优化BP神经网络参数，分别对四个小波进行预测得到预测数据，将其叠加，得到最终的负荷预测值。该方法能够更加准确地解决多重场景的用电负荷预测，具有较好的预测精度。