文章标题：基于BP神经网络的船舶短期电力负荷预测方法

文章作者：叶明壕, 牟晓玉
关 键 字：船舶;短期电力负荷;BP神经网络;特征筛选;插值填补
文章摘要：船舶短期电力负荷预测面临负荷序列非线性强、多波动、易受航行工况与环境因素耦合干扰等难题。BP神经网络强大的非线性拟合能力与自适应学习机制，可从复杂的时序负荷数据中自动提取特征，有效逼近和预测此类动态多变的负荷曲线。因此，研究基于BP神经网络的船舶短期电力负荷预测方法。通过拉格朗日插值法对原始船舶多源时序数据进行缺失数据填补，运用改进F-score特征选择算法由填补后多源时序数据中筛选出最优特征子集，以此为输入构建三层结构的BP神经网络模型，得到船舶短期电力负荷预测结果。结果表明，该方法的缺失数据插值填补与最优特征子集筛选效果均较为显著，以此为基础，对海上航行与靠泊装卸两种船舶工况下的24h电力负荷预测误差始终低于0.03，且在负荷波动较大处仍保持较高预测精度，预测性能稳定可靠。