打开文本图片集
摘 要：文章提出了一种日负荷预测的新模型。这是一种基于非线性小波的神经函数。这个小波网络由小波基函数构成，并且已经得到了全局最优解。我们克服了一个人工神经网络的固有缺陷即其学习速度慢，其网络结构是难以合理确定并且它会产生局部最小点。我们可以从实例中看到，这个方法可以提高负荷预测的精确性和其学习速度，并且可以将其应用于农业日电力负荷预测。
关键词：小波神经网络；人工神经网络；负荷预测
一个日电力负荷预测意味着负荷预测的时间单位是小时、天或者月。由于其本身趋势有很强的随机性，导致对其进行数学建模产生了一定的困难。而对预测的精准性的提高也是很困难的。到目前为止，最有效的预测方法之一就是人工神经网络。它可以表达一个很复杂的非线性函数，但与此同时，它有一些内在固有的缺陷即它的学习速度很慢，并且其网络结构是难以合理确定并且它会产生局部最小点。我们采用小波神经网络来进行短期负荷预测来解决这些问题。首先，子波系列是通过膨胀、收缩因子和翻译因子得到的，而后构成了一个小波神经网络。因为两个新的参数（膨胀、收缩因子和翻译因子）被使用，使得小波神经网络的自由度比人工神经网络的自由度更高，也因此有更好的函数逼近能力。
1 小波的概念和小波变换
3 短期日负荷预测应用
为了实施文章提出的新方法，我们将中国武汉的日负荷进行预测，测试2006年10月20日整天24小时的农业负荷数据。为了比对两种模型，将分别选择小波神经网络和人工神经网络。通过模仿计算，我们知道的前者的精度和速度提高了不少。
4 结束语
在文章中，我们提出了一种新的农业电力日负荷预测的模型——基于小波神经网络。它克服了人工神经网络固有的缺陷，即它的学习速度慢并且其网络结构是难以合理确定并且它会产生局部最小点。其神经函数是基于非线性小波。我们得到全球最佳的拟合效果。并且提高了精度。该网络结构由逐步测试方法来确定，因为该网络是一个单一的隐含层结构，它的速度明显的提高，可以用来预测农业日负荷。通过仿真计算，我们证明了新的模型的有效性。
参考文献
[1]康重庆，夏清，张伯明.电力系统负荷预测研究综述与发展方向的探讨[J].电力系统自动化，2004，28（17）：1-11.
[2]吴杰康，陈明华，陈国通.基于PSO的模糊神经网络短期负荷预测[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2007，19（1）：63-67.
[3]田瑞，闻新，田春延.小波神经网络的特征与比较[J].计算机测量与控制，2002，10（2）：71-73.
[4]刘涤尘，夏昌浩，胡祥勇，等.基于小波变换的电力系统神经网络负荷预报研究[J].武汉大学学报（工学版），2002，35（4）.
[5]丛爽编著.面向MATLAB工具箱的神经网络理论与应用[M].中国科学技术大学出版社，1998.
[6]刘增良，刘有才.小波变换与神经网络-理论研究与探索[M].北京： 北京航空航天大学出版社，1996.
[7]Liang Rueyhsun，Cheng Chingchi. Short-term load forecasting by a neu-ron-fuzzy based approach[J].Electrical Power and Energy System，2002，24（2）：103-111.
作者简介：杨雄（1988-），男，江西南昌人，本科，助理工程师，主要研究方向：电力系统负荷分析、风力发电工程建设。