基于PSO-Elman神经网络的电力系统短期负荷预测模型研究

被引：14

作者：

刘远龙 ^{[1
]}

龚文杰 ^{[1
]}

徐超 ^{[1
]}

张智晟 ^{[2
]}

张伟 ^{[2
]}

王鑫 ^{[2
]}

赵建伟 ^{[2
]}

机构：

[1] 青岛供电公司

[2] 青岛大学自动化工程学院

来源：

青岛大学学报(工程技术版) | 2010年 / 25卷 / 03期

关键词：

电力系统; 短期负荷预测; Elman神经网络; 粒子群优化算法;

D O I：

10.13306/j.1006-9798.2010.03.014

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

提出了基于粒子群优化算法—Elman神经网络的电力系统短期负荷预测模型,采用具有动态递归性能的Elman神经网络,可增强负荷预测模型的联想和泛化推理能力,保证负荷预测的精度。采用粒子群优化算法对Elman神经网络进行学习训练,可充分利用粒子群优化算法的全局寻优性能,克服常规学习算法易于陷入局部最优解、收敛速度慢、编程复杂等缺陷。通过对地区电网负荷系统的实例仿真证实了所提出方法的有效性,获得了较满意的预测精度,平均绝对误差和最大相对误差分别达到1.988%和4.673%。为该模型用于实际工程取得了有效的进展。

引用

页码：43 / 47

页数：5