基于粒子群神经网络的负荷预测方法研究

为了提高短期电力负荷预测的精度,提出了一种改进的粒子群算法和BP神经网络相结合的预测模型。综合考虑天气、温度等因素的影响建立了短期电力负荷预测模型,利用改进的粒子群算法对模型的初始参数进行优化,之后采用LM学习算法对优化后的网络进行训练。仿真结果表明,该预测模型的预测精度优于BP神经网络和PSO-BP神经网络,克服了BP神经网络和粒子群优化方法的缺陷,改善了BP神经网络的泛化能力,为短期负荷预测提供了一种有效的方法。