发明名称 |
基于广义动态模糊神经网络的燃气日负荷组合预报方法 |
摘要 |
本发明提供的是一种基于广义动态模糊神经网络的燃气日负荷组合预报方法。(1)采集城市燃气历史记录数据作为历史时间序列数据;(2)对历史时间序列数据进行异常数据判断和处理;(3)利用广义回归神经网络,对历史负荷时间序列即样本数据进行差分处理再通过网络进行预测;(4)利用灰色神经网络,将输入历史负荷时间序列的一次累加生成数据作为网络的输入,输出对应预测日负荷的一次累加生成数据,训练网络,最后将输出值进行一次累减逆生成处理;(5)将步骤(3)、(4)得到的预测值作为广义动态模糊神经网络的输入,并对数据进行分组。本发明针对燃气日负荷的随机性,不稳定性,周期性等特点,采用了组合预报的方法,预测精度更高。 |
申请公布号 |
CN102073785A |
申请公布日期 |
2011.05.25 |
申请号 |
CN201010561217.1 |
申请日期 |
2010.11.26 |
申请人 |
哈尔滨工程大学 |
发明人 |
陈虹丽;王辉;齐红芳;郑薇;李少阳;王岩 |
分类号 |
G06F19/00(2011.01)I;G06N3/02(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于广义动态模糊神经网络的燃气日负荷组合预报方法,其特征在于具体包括以下步骤:(1)由城市燃气调度中心采集城市燃气历史记录数据作为历史时间序列数据;(2)对历史时间序列数据进行异常数据判断和处理,异常数据判断和处理包括:参考相似日数据,进行平滑、修正、归一化、组成历史负荷时间序列;所述相似日是指离其最近的具有相近天气、温度、星期几的日期;(3)利用广义回归神经网络,对历史负荷时间序列即样本数据进行差分处理再通过网络进行预测,根据样本数据逼近隐含的预测映射关系,得到预测日负荷值;(4)利用灰色神经网络,将输入历史负荷时间序列的一次累加生成数据作为网络的输入,输出对应预测日负荷的一次累加生成数据,训练网络,最后将输出值进行一次累减逆生成处理,得到预测日负荷值;(5)将步骤(3)、(4)得到的预测值作为广义动态模糊神经网络的输入,并对数据进行分组,最终得到预测日负荷值。 |
地址 |
150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室 |