负荷持续曲线的神经网络模型

鉴于前馈人工神经网络（ＡＮＮ）的诸多优点，本文提出了一种新的基于ＡＮＮ的负荷持续曲线（ＬＤＣ）模型，从而不用给定某个特定的显式数学表达式。该模型以实际的小时负荷数据及统计性的特征参数作为ＡＮＮ的输入数据；对实际数据作了抽样处理，以免输入数据量太多；针对常规的误差反向传播算法的缺点，并考虑到遗传算法是一种鲁棒性好的优化方法，本文采用遗传算法来进行ＡＮＮ的学习，可以方便地直接采用相对误差作目标函数，同时可以搜索到全局最优解。对实际系统作了仿真计算，对比了误差反向传播算法和遗传算法的训练效果，分析结果表明这一新的基于ＡＮＮ的ＬＤＣ模型的有效性。