黄劲潮

（龙岩学院 继续教育学院，福建 龙岩 364012）

小波神经网络在电力负荷预测中的应用

黄劲潮

（龙岩学院 继续教育学院，福建 龙岩 364012）

针对BP神经网络的问题与不足，提出小波神经网络电力负荷预测模型。仿真实验结果表明，小波神经网络可根据信号的时频特性进行动态调整，有利于减少权值参数，缩短训练时间，在隐节点数目和所需训练样本等方面都表现出很大的优越性，对于电力负荷预测具有较高的精度，是可行的。

小波神经网络；电力负荷；预测

1　引言

随着应用领域的拓宽，神经网络的不足越来越多的暴露出来：（1）神经网络的结构参数难以确定，结构设计有很大的盲目性；（2）难以找出激活函数和待处理信号之间的反演关系并保证解的唯一性；（3）神经网络误差曲面的高度非凸性使学习容易陷于局部极小［1］。

电力系统负荷序列可看作多个不同频率的稳态信号分量叠加，是典型的非线性非稳态时间序列。每个稳态分量呈近似周期性变化，规律性显著，具有较高的可预测性。小波变换在信号的低频部分具有高频率的分辨率和低时间分辨率，在频率域或时间都有描述信号局部特征的能力，非常适合分析正常信号中反常的突变和反常成分［2］。

2　小波神经网络简介

小波神经网络与BP神经网络不同之处主要在于小波神经网络采用满足可允许条件的函数ψ（t ）为激励函数，如图1所示。ψ（t ）的取法通常根据经验和实际情况选择。在信号的估计应用中，小波函数的选择应考虑消失矩的数目和支撑大小、小波的波形，应与信号的特征相匹配；……