郭文强， 师 帅， 张 筱， 李可可， 佘金龙， 高文强

(陕西科技大学 电气与信息工程学院, 陕西 西安 710021)



基于遗传算法优化BP神经网络的短期发电量预测

郭文强， 师 帅， 张 筱， 李可可， 佘金龙， 高文强

(陕西科技大学 电气与信息工程学院, 陕西 西安 710021)

针对传统神经网络的网络初始权值和阈值随机给出，训练结果易陷入局部极小值的问题，本文提出一种采用遗传算法(GA)对BP网络的初始权值和初始阈值进行优化的方法.通过模拟生物进化中的自然选择和遗传机理，首先将网络的初始权值和初始阈值表示为染色体基因编码，再利用遗传算子进行组合交叉、变异、选择，产生出新的染色体来完成初始参数优化，形成初始权值和初始阈值，最后经BP网络训练得到最终权值和阈值，建立用于短期发电量预测的网络.实验结果表明，与传统BP神经网络预测方法相比，该预测方法精度更高，为短期电量预测提供了一种新途径.

遗传算法； BP神经网络； 优化； 短期发电量预测

0 引言

随着社会经济的发展，预测算法在生产、生活各个领域的应用越来越广泛.多年来，专家和学者们建立了很多发电量数据预测模型和方法，文献[1]用回归分析的方法对燃气-蒸汽轮机联合循环机(包括两个燃气涡轮机、一个蒸汽涡轮和两个热回收系统)用环境温度、环境压力、相对湿度和排气真空度四个变量(输入变量)进行1 h后短期发电量(输出变量)的预测.回归分析等方法相对比较成熟，应用也比……