一种基于人工神经网络改进训练策略的短期负荷预测方法

摘要

本发明公开了一种基于人工神经网络改进训练策略的短期负荷预测方法，包括：建立Elman人工神经网络，将原始数据进行预处理获得训练样本；通过设置不同的阀值和权值，获得多组训练结果；对比获得的多组训练结果，记录误差最小的预测数据组；重新设置Elman人工神经网络的初始隐含层神经元数，带入训练样本进入网络进行训练；选择与验证样本误差最小的一组对应的人工神经网络模型作为预测模型；本发明方法改变了传统上只输入一个时间点的多个相关日历史负荷数据的做法，改为输入多个时间点的多个相关日历史负荷数据。代入模型预测后，只选取预测值序列中的中间值作为本次预测的目标值，从而避免了边缘效应及数据波动对预测的影响。