文档介绍：小波神经元网络研究论文
摘要：小波神经元网络比多层前馈神经网络具有更多自 由度和更好的适应性。为更好地反映气象因素对负荷的影响 及提高负荷猜测的精度，文章选用Morlet小波构建小波神经 元网络，采用误差反传学习算法来练习网络，采用自学习隶 属度分析聚类的新方法选择练习样本。并应用武汉电网近年 的负荷数据和气象资料进行了建模和猜测，猜测结果表明所 建立的小波神经元网络猜测模型具有较好的收敛性，采用自 学习隶属度分析聚类方法选择练习样本能改善猜测精度。摘 要：小波神经元网络；隶属度；短期负荷猜测；电力系统 SHORT-TERMLOADFORECASTINGBASEDONWAVELETN EURALNETWORKABSTRACT 摘 要 :
Waveletneuralnetwork(WNN)possessesmoredrecisionofloadfore casting,theMorletwaveletischosentoestablishawaveletneuronnet work,thebackpropagatealgorithmisadoptedtotraintheWNNnetwo rk,anewmethodofaterconvergenceandtheforecastingprecisioncan beimprovedbychoos 摘要：Waveletneuralnetwork； Membership； Short-termloadforecasting； Powersystem 1 引言短期负荷猜测 是负荷猜测的重要组成部分，是电力系统运行调度中的重要 内容。国内外已提出了多种短期负荷猜测方法，如多元回归、
ARMA模型、人工神经元网络方法等。可归类为摘要：①利 用负荷的自身发展规律，如ARMA模型［1等；②负荷发展 规律和气象因素相结合，如ANN(ArtificialNeuralNetwork)方 法［2；③其他方法，如小波分解法［3-5、模糊聚类法［6及混 沌算法［7。人工神经网络以其强大的多元性映射能力能够准 确捕捉并学习负荷值和天气之间的非线性关系，使考虑气象 因素的电力系统短期负荷猜测成为可能。近年来它一直受到 密切关注，且已成为解决电力负荷猜测新问题的有效计算工 具。小波在分析非固定信号和构造非线性函数模型方面具有 卓越性能，因此结合了小波基函数的小波神经元网络(WNN) 比一般神经网络具有更多的优越性。为更好地反映气象因素 对负荷的影响及提高负荷猜测的精度，本文构建了一种小波 神经元网络负荷猜测模型，以Morlet小波取代Sigmoid函数, 采用误差反传学习算法来练习网络，采用自学习隶属度分析 聚类方法来选择练习样本。2小波及小波变换基本小波或母 小波定义为满足相容性条件(如式(1)所示)的平方可积函数 (p(t)£L2(R)(L2(R)为二尺度空间)式中a、b为实数，且睜0, 称(pab(t)为由母小波(t)生成的依靠于参数a、b的连续小波， 也称为小波基。设反映负荷变化规律趋向的函数为f(t)e L2(R),定义其小波变换wf(a,b)为3小波神经元网络基本原 理小波神经元网络是基于小波分析的具有神经元网络思想 的模型，即采用非线性小波基取代常用的非线性
Sigmoid函 数，通过线性叠加所选取的非线性小