基于改进粒子群-模糊神经网络的短期电力负荷预测

被引：44

作者：

师彪 ^{[1
]}

李郁侠 ^{[1
]}

于新花 ^{[2
]}

闫旺 ^{[1
]}

机构：

[1] 西安理工大学水利水电学院

[2] 青岛科技大学高职业技术学院

来源：

系统工程理论与实践 | 2010年 / 30卷 / 01期

关键词：

短期负荷预测; MPSO-FNN算法; 预测精度; 模糊神经网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

摘要：

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.

引用

页码：157 / 166

页数：10

共 7 条

[1] PSO-BP模型在城市用水量短期预测中的应用
王亮
张宏伟
岳琳
刘星
[J]. 系统工程理论与实践, 2007, (09) : 165 - 170
[2] 基于PSO的模糊神经网络短期负荷预测
吴杰康
陈明华
陈国通
[J]. 电力系统及其自动化学报, 2007, (01) : 63 - 67
[3] 基于粒子群寻优的D-S算法
王波
王灿林
梁国强
[J]. 传感器与微系统, 2007, (01) : 84 - 86
[4] 基于粒子群优化算法的灌溉渠道配水优化模型研究
张国华
张展羽
邵光成
殷国玺
[J]. 水利学报, 2006, (08) : 1004 - 1008+1014
[5] 以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法
程其云
孙才新
张晓星
周湶
杜鹏
[J]. 电工技术学报, 2004, (10) : 53 - 58
[6] A new and improved version of particle swarm optimization algorithm with global–local best parameters
M. Senthil Arumugam
M. V. C. Rao
Aarthi Chandramohan
[J]. Knowledge and Information Systems, 2008, 16 : 331 - 357
[7] 电力市场运营及其软件开发.[M].姚建刚等著;.中国电力出版社.2002,

← 1 →