基于PSO聚类分析与BP网络的短期电力负荷预测

被引：2

作者：

周健 ^{[1
]}

蒋传文 ^{[2
]}

陈晞 ^{[1
]}

机构：

[1] 二滩水电开发有限责任公司

[2] 上海交通大学电子信息与电气工程学院电气工程系

来源：

水电能源科学 | 2009年 / 27卷 / 03期

关键词：

短期负荷预测; PSO优化算法; 聚类分析; BP网络; 电力系统;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

针对短期负荷预测特点,提出一种基于PSO聚类分析和BP网络的短期负荷预测方法,通过PSO聚类分析将负荷历史数据分成若干类对输入数据预处理,建立了相应BP网络模型,采用附加动量和变学习速率法预测每小时负荷。以华东某地区实际负荷预测为例,分析结果表明,该方法适应性强、预测精度高、结果满意。

引用

页码：187 / 189+170 +170

页数：4

共 10 条

[1] 粒子群算法在水位流量关系拟合中的应用 [J].

刘晋 ;

黄强 ;

王义民 .

水电能源科学, 2008, (04) :11-13

[2] 基于粒子群算法的设计洪水过程线推求优化方法 [J].

肖琳 ;

邱林 ;

陈晓楠 .

水电能源科学, 2008, (01) :56-59

[3] 粒子群优化算法在电力系统中的应用 [J].

袁晓辉 ;

王乘 ;

张勇传 ;

袁艳斌 .

电网技术, 2004, (19) :14-19

[4] 粒子群优化算法 [J].

周驰 ;

高海兵 ;

高亮 ;

章万国 .

计算机应用研究, 2003, (12) :7-11

[5] 短期负荷预测的神经网络实现 [J].

高山 .

电力需求侧管理, 2001, (06) :22-24

[6]

A hybrid learning for neural networks applied to short term load forecasting.[J].Ayca Kumluca Topalli;Ismet Erkmen.Neurocomputing.2003,

[7]

神经网络理论与MATLAB 7实现.[M].飞思科技产品研发中心编著;.电子工业出版社.2005,

[8]

人工神经网络与模拟进化计算.[M].阎平凡;张长水编著;.清华大学出版社.2005,

[9]

基于MATLAB的系统分析与设计.[M].楼顺天;于卫编著;.西安电子科技大学出版社.1998,

[10]

神经网络理论与应用.[M].徐秉铮等编著.华南理工大学出版社.1994,

← 1 →