基于IPSO-WNN的综合能源系统短期负荷预测

被引：57

作者：

李守茂 ^{[1
]}

戚嘉兴 ^{[2
]}

白星振 ^{[1
]}

葛磊蛟 ^{[3
]}

李涛 ^{[2
]}

机构：

[1] 山东科技大学电气与自动化工程学院

[2] 中国人民解放军部队

[3] 天津大学智能电网教育部重点实验室

来源：

电测与仪表 | 2020年 / 09期

基金：

国家重点研发计划;

关键词：

负荷预测; 综合能源系统; 小波神经网络; 粒子群算法; 混沌搜索;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TK018 [];

学科分类号：

140502 [人工智能];

摘要：

针对传统小波神经网络(WNN)综合能源系统负荷预测模型存在收敛速度、易陷入局部最优等缺点而导致预测精度不高的问题,文中提出了一种基于改进粒子群(IPSO)的WNN综合能源系统短期负荷预测方法。利用Pearson系数对各影响因素进行分析,选择合适的因素作为综合能源负荷预测的输入量;对传统粒子群算法进行改进,在PSO中引入混沌算法并根据粒子适应度采用不同的粒子惯性权重选择策略;基于IPSO建立了WNN综合能源系统短期负荷预测模型。通过案例验证,基于IPSO的WNN预测模型相比于传统WNN预测模型,预测精度明显提升。

引用

页码：103 / 109

页数：7

共 13 条

[1]

基于改进卡尔曼滤波算法的短期负荷预测 [J].