基于BP网络的电力负荷预测改进研究

被引：6

作者：

张振 ^{[1
]}

王锋 ^{[1
]}

陈敏曦 ^{[2
]}

机构：

[1] 甘肃省电力公司

[2] 中电传媒股份有限公司

来源：

中国电业(技术版) | 2015年 / 10期

关键词：

BP神经网络; 负荷预测; S激活函数; traingdm方法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM715 [电力系统规划];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080802 ;

摘要：

为了进一步改进负荷预测模型,文章首先分析了BP网络模型的S激活函数和线性激活函数,接着就算法进行了增加动量项、可变学习速度的反向传播算法和学习速率的自适应调节的算法预测改进,在Matl AB验证BP神经网络负荷预测中,以某城市7月26日7月31日之间的气象特点为负荷预测数据,仿真结果表明traingdm方法训练得出的结果准确度高,训练速度快,训练次数少。平均误差较小的,得出某些点的误差范围在0.04%5.92%之间,平均误差是2.74%,在允许的误差范围内,这一研究对于BP神经网络的进一步预测应用具有一定的意义。

引用

页码：12 / 15

页数：4