基于改进灰色关联分析的BA-BP短期负荷预测

被引：28

作者：

刘晓悦

魏宇册

机构：

[1] 华北理工大学电气工程学院

来源：

科学技术与工程 | 2020年 / 20卷 / 01期

关键词：

负荷预测; 模糊聚类; 灰色关联分析法; 蝙蝠算法; 相似日;

D O I：

暂无

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：

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。

引用

页码：223 / 227

页数：5

共 12 条

[1]

基于粗神经网络的电力系统短期负荷预测研究 [D].

刘丹 .

南京邮电大学,

2017

[2]

基于小波—灰色模型的电力负荷预测研究 [D].

韩文婧 .

山东大学,

2017

[3]

基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测 [J].

吴云 ;

雷建文 ;

鲍丽山 ;

李春哲 .

电力系统自动化, 2018, 42 (20) :67-72

[4]

基于结合混沌纵横交叉的粒子群算法优化极限学习机的短期负荷预测 [J].

殷豪 ;

董朕 ;

孟安波 .

计算机应用研究, 2018, 35 (07) :2088-2091

[5]

基于模糊信息粒化与多策略灵敏度的短期日负荷曲线预测 [J].

李滨 ;

覃芳璐 ;

吴茵 ;

黄佳 .

电工技术学报, 2017, 32 (09) :149-159

[6]

基于动态权值相似日选取算法的短期负荷预测 [J].

李啸骢 ;

李春涛 ;

从兰美 ;

任子熠 ;

罗宏亮 ;

王彧文 ;

袁辉 ;

丘浩 .

电力系统保护与控制, 2017, 45 (06) :1-8

[7]

基于负荷点相似的地区短期负荷预测新方法 [J].

罗军 ;

何光宇 ;

张思远 ;

万源 ;

李小锐 .

电网技术, 2007, (06) :67-71

[8]

基于模糊聚类分析与BP网络的电力系统短期负荷预测 [J].

姚李孝 ;

宋玲芳 ;

李庆宇 ;

万诗新 .

电网技术, 2005, (01) :20-23

[9]

Short-term power load probability density forecasting based on Yeo-Johnson transformation quantile regression and Gaussian kernel function.[J].Yaoyao He;Yaya Zheng.Energy.2018,

[10]

A load predictive energy management system for supercapacitor-battery hybrid energy storage system in solar application using the Support Vector Machine.[J].Yen Yee Chia;Lam Hong Lee;Niusha Shafiabady;Dino Isa.Applied Energy.2015,

← 1 2 →