短期負(fù)荷預(yù)測的卡爾曼濾波神經(jīng)網(wǎng)絡(luò)算法研究.pdf

1、BP算法一直是前向人工神經(jīng)網(wǎng)絡(luò)的主要的學(xué)習(xí)算法,雖然人們針對它的一些不足對它進(jìn)行不斷地改進(jìn),但其自身的收斂速度慢和容易陷入局部最小等的缺點(diǎn)卻沒有從根本上得到改進(jìn).本文將卡爾曼濾波用于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí).卡爾曼濾波是一種最優(yōu)估計方法,它采用狀態(tài)方程和觀測方程組成的線性隨機(jī)系統(tǒng)的狀態(tài)空間模型來描述濾波器,并利用狀態(tài)方程的遞推性,按線性無偏最小均方差估計準(zhǔn)則,采用遞推算法對濾波器的狀態(tài)變量做最佳估計,從而求得慮掉噪聲的有用信號的最佳估計.由BP算

2、法可知,前向人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是在給定輸入和輸出樣本的條件下對網(wǎng)絡(luò)權(quán)值的調(diào)整過程.因此,訓(xùn)練前向神經(jīng)網(wǎng)絡(luò)的訓(xùn)練可以看成是非線性狀態(tài)估計問題.卡爾曼濾波學(xué)習(xí)算法的基本思想就是將神經(jīng)網(wǎng)絡(luò)中各神經(jīng)元之間的連接權(quán)值的學(xué)習(xí)問題作為卡爾曼濾波中的狀態(tài)向量進(jìn)行最優(yōu)估計問題.因?yàn)榛跀U(kuò)展卡爾曼濾波的學(xué)習(xí)算法近似給出了連接權(quán)值的最小方差估計,所以其迭代收斂速度比最速下降算法要快,而且,不包括決定收斂性能的調(diào)整參數(shù),這就使得它的應(yīng)用很簡單.在擴(kuò)展卡爾

3、曼濾波遞推公式中,由于在計算過程中會由于計算機(jī)的舍入誤差而使得協(xié)方差陣失去正定性,導(dǎo)致濾波數(shù)值不穩(wěn)定和濾波發(fā)散.本文將奇異值分解用于協(xié)方差矩陣的計算中,提高了計算的速度、濾波的數(shù)值穩(wěn)定性和神經(jīng)網(wǎng)絡(luò)的輸出精度.由于人工神經(jīng)網(wǎng)絡(luò)有多元非線性映射能力、自學(xué)習(xí)自適應(yīng)能力、分布式存貯等優(yōu)點(diǎn)使得它在電力系統(tǒng)短期負(fù)荷預(yù)測中得到廣泛應(yīng)用.正是這種輸入輸出之間強(qiáng)大的多元非線性映射能力,使得短期負(fù)荷預(yù)測能夠考慮眾多天氣因素(如溫度、雨雪、濕度等)的影響,從