彭钟华

(深圳蓄能发电有限公司，广东 深圳 518115)

基于遗传算法优化PNN的短期负荷预测

彭钟华

(深圳蓄能发电有限公司，广东 深圳 518115)

为提高短期负荷预测精度，提出了一种基于遗传算法优化概率神经网络(PNN)的短期预测模型。首先对负荷数据异常值进行辨识与修正，建立PNN短期预测模型，在此基础上引入遗传算法(GA)，优化概率神经网络的平滑因子，改善了PNN模型的性能，优化后的PNN短期预测模型预测精度得到明显的提高。实例预测结果证实了该方法的有效性。

概率神经网络；平滑因子；遗传算法；短期负荷预测

1 引言

人工神经网络[1-2]自诞生以来，已经被广泛用于各个领域。其中，概率神经网络[3-4]作为神经网络的一支，大多被用于对数据进行分类[5]，但它在回归分析方面也有不错的表现，为进一步改善PNN模型的性能，国内外学者都做了很多努力[6-8]。本文将着重分析它的回归性能，应用于短期负荷预测[9]。

本文首先对历史负荷数据进行辨识与修正[10-12]，在此基础上，建立概率神经网络预测模型，该模型利用遗传算法优化其平滑因子参数，使得模型的预测精度显著提高。

2 异常数据的辨识与修正

异常数据的辨识与修正[13]，在短期负荷预测前期数据处理中起着举足轻重的地位。

假设L(i,j)表示第i天第j时刻的负荷数值。

(1)首先寻找第i天的模极大值点，若存在|L(i,j-1)|<|L(i,j)|∩|L(i,j+1)|<|L(i,j)|，则将L(i,j)作为模极大值点，用Lmax(i,j)表示。

(2)m天第j时刻负荷平均值为：

(1)

m表示所选负荷天数。

(3)对于含有异常的模极大值的点进行修正，如下式所示：

(2)

其中，K1和k2的值是根据经验而设定，本文分别取值为1.2和0.8。……