改进粒子群—BP神经网络模型的短期电力负荷预测

被引：44

作者：

师彪 ^{[1
]}

李郁侠 ^{[1
]}

于新花 ^{[2
]}

闫旺 ^{[1
]}

机构：

[1] 西安理工大学水利水电学院

[2] 青岛科技大学高职技术学院

来源：

计算机应用 | 2009年 / 29卷 / 04期

关键词：

短期负荷预测; 改进的粒子群—BP神经网络算法; 预测精度;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。

引用

页码：1036 / 1039

页数：4

共 7 条

[1] 基于遗传优化神经网络的电力系统短期负荷预测
王武
张元敏
蔡子亮
[J]. 继电器, 2008, (09) : 39 - 42+47
[2] 电力系统负荷恢复问题的混合遗传算法求解
张志毅
陈允平
袁荣湘
[J]. 电工技术学报, 2007, (02) : 105 - 109
[3] 基于粒子群寻优的D-S算法
王波
王灿林
梁国强
[J]. 传感器与微系统, 2007, (01) : 84 - 86
[4] 以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法
程其云
孙才新
张晓星
周湶
杜鹏
[J]. 电工技术学报, 2004, (10) : 53 - 58
[5] 神经网络理论与MATLAB 7实现[M]. 电子工业出版社 , 飞思科技产品研发中心编著, 2005
[6] 电力市场运营及其软件开发[M]. 中国电力出版社 , 姚建刚等著, 2002
[7] A new and improved version of particle swarm optimization algorithm with global–local best parameters[J] . M. Senthil Arumugam,M. V. C. Rao,Aarthi Chandramohan.Knowledge and Information Systems . 2008 (3)

← 1 →