基于一种NW-FLNN神经网络的短期电价预测

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 B P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B P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。