改进Elman神经网络在短期热负荷预测中的应用

• 作者: 李丽锋 杨超杰 王琦
• 来源期刊: 工业仪表与自动化装置
• 关键词: 短期热负荷预测 Elman神经网络 相关系数预处理 归一化 平均化
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 设计与应用
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0682.2020.01.010

摘要

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率.电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛.Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性.但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢.该文在El-man神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少.仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王琦	山西大学自动化系	71	297	8.0	15.0
2	李丽锋		5	3	1.0	1.0
3	杨超杰	山西大学自动化系	4	0	0.0	0.0