基于贝叶斯神经网络短期负荷预测模型

被引：21

作者：

史会峰 ^{[1
]}

牛东晓 ^{[2
]}

卢艳霞 ^{[1
]}

机构：

[1] 华北电力大学数理学院

[2] 华北电力大学工商管理学院

来源：

中国管理科学 | 2012年 / 20卷 / 04期

关键词：

贝叶斯神经网络; 短期负荷预测; 蒙特卡洛算法; 先验概率分布; 汉密尔顿动力系统;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

本文提出了基于贝叶斯神经网络(BNN)短期负荷预测模型。根据气象影响因素和电力负荷的样本数据,针对权向量参数的先验分布分别为正态分布和柯西分布两种情况,应用混合蒙特卡洛(HMC)算法学习了BNN的权向量参数。由HMC算法和Laplace算法学习的贝叶斯神经网络以及BP算法学习的传统神经网络分别对4月(春)、8月(夏)、10月(秋)和1月(冬)每月25天的每个整点时刻的负荷进行了预测。这些神经网络的输入层有11个节点,它们分别与每个整点时刻和的气象因素、上一个整点时刻的气象因素和时间变量相对应,输出层只有一个节点,它与负荷变量对应。试验结果表明HMC算法学习的BNN的预测结果的百分比平均绝对误差(MAPE)和平方根平均误差(RSME)取值远远小于由Laplace算法学习的BNN和BP算法学习的人工神经网络的MAPE和RMSE。而且,HMC算法学习的BNN在测试集和训练集上的预测误差MAPE和RMSE的相差很小。实验结果充分说明HMC算法学习的BNN具有较高的预测精度和较强的泛化能力。

引用

页码：118 / 124

页数：7

共 9 条

[1]

基于负荷分解和实时气象因素的短期负荷预测 [J].

刘旭 ;

罗滇生 ;

姚建刚 ;

贺辉 ;

张凯 ;

刘霏 .

电网技术, 2009, 33 (12) :94-100

[2]

粒子群优化灰色模型在负荷预测中的应用 [J].

牛东晓 ;

赵磊 ;

张博 ;

王海峰 .

中国管理科学, 2007, (01) :69-73

[3]

人体舒适度指数在短期电力负荷预测中的应用 [J].

秦海超 ;

王玮 ;

周晖 ;

王林 .

电力系统及其自动化学报, 2006, (02) :63-66

[4]

二重趋势性季节型电力负荷预测组合灰色神经网络模型 [J].

牛东晓 ;

乞建勋 ;

邢棉 .

中国管理科学, 2001, (06)

[5]

基于小波分解与气象因素影响的电力系统日负荷预测模型研究 [J].

谢宏 ;

陈志业 ;

牛东晓 ;

赵磊 .

中国电机工程学报, 2001, (05)

[6]

Neural networks approach to forecast several hour ahead electricity prices and loads in deregulated market.[J].Paras Mandal;Tomonobu Senjyu;Toshihisa Funabashi.Energy Conversion and Management.2005, 15

[7]

Bayesian neural networks for nonlinear time series forecasting [J].

Liang, FM .

STATISTICS AND COMPUTING, 2005, 15 (01) :13-29

[8]

Bayesian approach for neural networks - review and case studies [J].

Lampinen, J ;

Vehtari, A .

NEURAL NETWORKS, 2001, 14 (03) :257-274

[9]

A PRACTICAL BAYESIAN FRAMEWORK FOR BACKPROPAGATION NETWORKS [J].

MACKAY, DJC .

NEURAL COMPUTATION, 1992, 4 (03) :448-472

← 1 →