小波神经网络在电力系统月度负荷预测中的应用

在研究了电力月负荷特性的基础上提出了一种新型的月度负荷预测模型———小波神经网络负荷预测模型。该模型以非线性小波基为神经元函数,通过伸缩因子和平移因子计算小波基函数合成的小波网络,以横向和纵向历史负荷数据作为输入神经元,采用基于BP(back propagation)算法的网络自调整算法,同时还采取自判断调整步长的方法,使得跨过局部极小点的同时还加快了收敛速度。该网络不但能达到全局最优的逼近效果,还能有效地克服了人工神经元网络学习速度慢、难以合理确定网络结构、存在局部极小点的固有缺陷。应用该模型预测我国某地区月负荷,结果表明,该模型预报精度高,自适应性好,收敛速度也明显快于单纯的神经网络。