[发明专利]一种基于人工神经网络的日用电量预测方法

摘要

一种基于人工神经网络的日用电量预测方法，属供电技术领域。其所述神经网络模型的拓扑结构包括输入层、隐层和输出层；所述神经网络模型的学习规则是采用误差反向传播算法的并行分布处理模型，使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。其通过对训练样本的学习，预测模型即可自动建立且隐含于人工神经网络内部，在短期负荷预测中采用本用电量预测方法，可以对时间序列模型进行有益的补充。可广泛用于电力系统的负荷预测和负荷管理领域。

主权项

一种基于人工神经网络的日用电量预测方法，其特征是：所述神经网络模型的拓扑结构包括输入层、隐层和输出层；所述神经网络模型的学习规则是采用误差反向传播算法的并行分布处理模型，使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小；所述的日用电量预测方法，选取以下输入变量对神经网络进行训练：(1)气象参数选取每日最高温度、最低温度及经过量化计算的人体舒适度指数作为输入变量；(2)电量参数选取供电公司经过割接后的每日用电量数据；(3)预测日类型参数由于工作日与节假日负荷的规律是不一样的，所以将每天类型标记为工作日及非工作日；考虑到法定假期的特殊性，在对日类型赋值时采用以下规则：a)如果节假日为周六周日连续两天，则周六赋值0.2，周日赋值0.6；b)如果为连续三天法定假日，则三天分别赋值：0.2，0.6，1；工作日从周一至周五依次赋值为0.01‑0.05；所述的神经网络采用三层网络，选择15个输入节点，输出节点数为1；在进行隐节点数的选择时，首先，假设二个隐蔽层节点数是一样的，即网络的结构为(15*N*N*1)；然后分别取不同的N值进行试验找到一个合理的隐节点数；选取预测日前四周28天的数据作为训练样本集；训练时，循环把十组数据加入到网络中进行训练，直到所有样本训练误差都满足要求为止；所述的样本数据包括每日用电量、气温数据、计算得到的人体舒适度指数以及日类型数据。