基于一种NW-FLNN神经网络的短期电价预测

论文摘要

针对传统神经网络收敛速度慢、容易陷入局部极值的问题,文中提出一种改进型小波神经网络以实现网络全局最优化。首先,将小波神经网络与随机矢量函数连接型网络相融合构建一种新型小波链神经网络（NW-FLNN）;其次,以小波基函数作为NW-FLNN的隐含层的传递函数,并利用梯度修正法训练该模型各参数;最后,选用澳大利亚新南威尔士州电价数据作为实验数据集,分别对NW-FLNN神经网络、逆传播BP神经网络与小波神经网络进行预测性能比较。实验结果表明:该新型网络预测模型较BP神经网络与小波神经网络性能更优,可明显减少网络迭代次数与隐层神经元数目,且平均百分比误差最大降低至0. 0317,满足实时性要求。

论文目录

• 0 引言
• 1 模型建立
•   1.1 小波神经网络
•   1.2 新型小波链接型神经网络
• 2 数据处理与流程设计
•   2.1 数据处理与评价指标
•   2.2 流程设计
• 3 短期电价预测
•   3.1 周预测误差性能分析
•   3.2 天预测误差性能分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 杨春霞,王耀力,王力波,常青

关键词: 小波神经网络,随机矢量函数连接型网络,新型小波链神经网络,电价预测

来源: 电测与仪表 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技,经济与管理科学

专业: 电力工业,自动化技术,工业经济,贸易经济

单位: 太原理工大学信息与计算机学院

基金: 全国工程专业学位研究生教育指导委员会立项项目(2016-ZX-095),山西省自然科学基金资助项目(201801D121141)

分类号: TP183;F426.61;F726

DOI: 10.19753/j.issn1001-1390.2019.010.013

页码: 82-86+98

总页数: 6

文件大小: 1472K

下载量: 241