共 4 条
[1]
[2]
[3]
[4]
基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用
被引：15
作者：
张林
刘先珊
阴和俊
机构：
[1] 中国科学院电子所,武汉大学水资源与水电工程科学国家重点实验室,中国科学院电子所北京,中国科学院研究生院,北京,湖北武汉,北京
来源：
关键词：
非线性;
模拟退火的Gauss-Newton算法;
负荷预测;
可靠性;
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：
针对一般BP网络存在的一些缺陷,首次提出了利用基于模拟退火的Gauss-Newton算法的神经网络预测电力系统短期负荷,并编制了通用程序.在相同的初始条件下,用基于模拟退火的Gauss-Newton算法的神经网络和自适应学习率附加动量法神经网络进行了比较,得出前者的特点和优点:一次性求解权值和偏差,收敛快,精度高,收敛于全局最优解.在算例中,基于人工神经网络的非线性特点进行了负荷预测,通过和真实值的比较说明本方法预测结果精度很高,从而更进一步验证了该方法应用于短期负荷预测的可靠性和优势.
引用
收藏
页码：28 / 33
页数：6
相关论文