运用PSO和GRNN的短期负荷二维组合预测

被引：35

作者：

陈鸿琳 ^{[1
]}

李欣然 ^{[1
]}

冷华 ^{[2
]}

唐海国 ^{[2
]}

机构：

[1] 湖南大学电气与信息工程学院

[2] 国网湖南省电力公司电力科学研究院

来源：

电力系统及其自动化学报 | 2018年 / 30卷 / 02期

关键词：

短期负荷预测; 粒子群优化; 神经网络; 相似日; 组合预测;

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：

为提高短期负荷预测精度,改善预测模型的工程实用性,提出了一种结合纵向和横向相似日样本的短期负荷二维组合预测方法。常用BP神经网络需优化的参数多,故采用结构简单的广义回归神经网络作为单向模型的基本预测算法。在此基础上,再通过设置组合加权系数,运用粒子群优化算法寻优系数值,得到最终的二维预测结果。对比其他短期尤其是超短期负荷预测方法,该模型不仅考虑了气象因素对负荷的影响,还充分体现了"近大远小"原则,并智能优化系数组合预测结果。电网实际负荷数据验证表明,该预测模型操作性高,速度快,且有较高的预测精度。

引用

页码：85 / 89

页数：5

共 12 条

[1]

Generalized regression neural network in modelling river sediment yield.[J].Hikmet Kerem Cigizoglu;Murat Alp.Advances in Engineering Software.2005, 2

[2]

MATLAB智能算法30个案例分析.[M].史峰; 王辉; 编著.北京航空航天大学出版社.2011,

[3]

电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,

[4]

灰色系统理论及其应用.[M].刘思峰等著;.科学出版社.1999,