在經(jīng)濟(jì)高速發(fā)展的當(dāng)今,電力是各個(gè)行業(yè)發(fā)展所需中必不可少的一部分,加上電這種商品的即發(fā)即用不能貯存的特性。因此,進(jìn)行短期負(fù)荷預(yù)測(cè)的研究是十分有必要的。此外,對(duì)于電力調(diào)度部門來(lái)說(shuō),進(jìn)行電能的調(diào)度依賴于精確的負(fù)荷預(yù)測(cè)。精確的短期負(fù)荷預(yù)測(cè),影響著電力市場(chǎng)供需關(guān)系,也能提高電力系統(tǒng)的運(yùn)行的可靠性。本文首先對(duì)現(xiàn)有的預(yù)測(cè)方法作了系統(tǒng)性分析研究,簡(jiǎn)明扼要的總結(jié)了現(xiàn)有預(yù)測(cè)方法的優(yōu)勢(shì)與劣勢(shì)。在現(xiàn)有的預(yù)測(cè)方法中,Elman神經(jīng)網(wǎng)絡(luò)因?yàn)榫哂泻軓?qiáng)的學(xué)習(xí)能力,容錯(cuò)能力,聯(lián)想記憶力,此外還具有較強(qiáng)的適應(yīng)時(shí)變特性的能力,非常適用于短期負(fù)荷預(yù)測(cè)。但是,在學(xué)習(xí)規(guī)則上,Elman神經(jīng)網(wǎng)絡(luò)所采用的是動(dòng)量梯度下降法,這將會(huì)使得在整個(gè)的學(xué)習(xí)過(guò)程中,收斂速度會(huì)較慢導(dǎo)致學(xué)習(xí)時(shí)間過(guò)長(zhǎng),且收斂過(guò)程不穩(wěn)定導(dǎo)致不能達(dá)到理想輸出。針對(duì)Elman神經(jīng)網(wǎng)絡(luò)所存在的問(wèn)題,本文提出了一種基于改進(jìn)型遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的初始權(quán)值、閾值。單個(gè)種群的遺傳算法容易較早收斂,出現(xiàn)早熟現(xiàn)象。針對(duì)這一現(xiàn)象,本文提出了多個(gè)種群協(xié)同進(jìn)化的遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)中的初始權(quán)值與閾值。在具體應(yīng)用中,采用實(shí)數(shù)編碼的方式對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行編碼,并進(jìn)行交叉、選擇、變... 

【文章來(lái)源】：南華大學(xué)湖南省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人工神經(jīng)元模型

南華大學(xué)碩士學(xué)位論文28@_——圖4.1遺傳算法流程圖4.2.2遺傳算法的編碼方式編碼是實(shí)現(xiàn)遺傳算法優(yōu)化目標(biāo)時(shí)的第一個(gè)個(gè)步驟，編碼方法的選擇不同，遺傳操作采用的方法也會(huì)不同。由于編碼其實(shí)是遺傳算法在空間的映射。因此編碼對(duì)于遺傳算法的搜索效率和最優(yōu)解有著一定的影響。常見(jiàn)的編碼方法可以分為三大類：二進(jìn)制編碼法、浮點(diǎn)編碼法以及符號(hào)編碼法[35]。采用二進(jìn)制編碼時(shí)，編碼和解碼操作較為簡(jiǎn)單快捷，對(duì)于交叉變異等遺傳操作便于實(shí)現(xiàn)。但是，對(duì)于那些連續(xù)函數(shù)優(yōu)化問(wèn)題，二進(jìn)制編碼在局部尋優(yōu)的能力較差，此外，由于二進(jìn)制編碼所采用的遺傳操作，使得搜索結(jié)果具有隨機(jī)性。例如對(duì)于一些連續(xù)高精度的問(wèn)題進(jìn)行尋優(yōu)時(shí)，對(duì)于已經(jīng)接近最優(yōu)解的個(gè)體，由于變異等操作，產(chǎn)生新的個(gè)體往往會(huì)有較大變化。達(dá)不到局部穩(wěn)定和目標(biāo)要求。浮點(diǎn)法，也稱實(shí)數(shù)編碼法。在實(shí)數(shù)編碼中，一般將所有可能的解放在一個(gè)實(shí)數(shù)范圍內(nèi)，每一次進(jìn)化過(guò)程都是在該實(shí)數(shù)的范圍進(jìn)行尋優(yōu)。因此，實(shí)數(shù)編碼適用于遺傳算法所尋優(yōu)的范圍較大，便于處理復(fù)雜的決策變量約束條件。符號(hào)編碼法是指?jìng)�(gè)體染色體編碼串中的基因值取自一個(gè)無(wú)數(shù)值含義，而只有代碼含義的符號(hào)集。

第4章改進(jìn)型遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)介紹31圖4.2多種群遺傳算法策略4.3.2改進(jìn)型遺傳算法遺傳操作參數(shù)選取在進(jìn)行遺傳操作參數(shù)時(shí)，選取改進(jìn)型遺傳算法與傳統(tǒng)的遺傳算法大致相同，同樣是對(duì)編碼方式、選擇算子、交叉算子、變異算子進(jìn)行確定。改進(jìn)型遺傳算法是多個(gè)種群進(jìn)行遺傳進(jìn)化。因此，增加了最優(yōu)個(gè)體遷移機(jī)制，這樣增加了遺傳算法尋優(yōu)能力。(1)編碼方式對(duì)于上述中五個(gè)種群均采用實(shí)數(shù)編碼的方式，在本文中需要較大空間的進(jìn)行遺傳搜索，同時(shí)對(duì)于精度有很高的要求，采用實(shí)數(shù)編碼的方式能改善了遺傳算法的計(jì)算復(fù)雜性，提高運(yùn)算效率。(2)選擇算子選擇過(guò)程第一步應(yīng)進(jìn)行適應(yīng)度計(jì)算，前文有介紹，便不再贅述。本文采用的是輪盤賭方法,設(shè)單個(gè)的種群規(guī)模大小為m，個(gè)體被選中的概率為iP，該個(gè)體的適應(yīng)度值為iF，則該個(gè)體在進(jìn)行選擇操作時(shí)被選中的概率為：mmiiiFFP1··············································(4.4)(3)交叉算子對(duì)于種群兩個(gè)不同的個(gè)體在進(jìn)行交叉操作時(shí)可設(shè)，kC為第k個(gè)個(gè)體，lC為第l個(gè)體，j為兩個(gè)個(gè)體的交叉點(diǎn)。則交叉公式為：]1,0[)1()1(bCbCCbCbCCbkjljljljkjkj··························(4.5)


本文編號(hào)：2944707