基于遗传和模拟退火算法优化的短期负荷预测

被引：3

作者：

梁志武 ^{[1
]}

吴杰康 ^{[2
]}

陈明华 ^{[1
]}

张宏亮 ^{[3
]}

机构：

[1] 广西电网公司钦州供电局

[2] 广西大学电气工程学院

[3] 广西方元电力股份有限公司

来源：

现代电力 | 2008年 / 02期

关键词：

短期负荷预测; Elman神经网络; 遗传算法; 模拟退火算法;

D O I：

10.19725/j.cnki.1007-2322.2008.02.004

中图分类号：

TP18 [人工智能理论]; TM715 [电力系统规划];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

负荷短期预测是电力系统运行和调度每年的重要工作,尤其在市场环境下负荷短期预测更显重要。对于电力系统短期负荷的随机性和突变性的特点,提出了应用遗传算法(GA)和模拟退火(SA)优化的Elman神经网络的短期负荷预测模型。其特点是模型简单、运算效率高,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。利用改进Elman网络的良好学习能力,同时利用遗传和模拟退火优化算法对Elman动态递归网络的前馈和反馈值进行优化,实现全局最优的拟合结果。比较了Elman网络和BP网络结构的建模效果,仿真实验证明了利用遗传和模拟退火算法优化的Elman神经网络具有动态特性好、逼近速度快、精度高等特点,说明Elman网络是一种新颖、可靠的负荷预测方法。

引用

页码：13 / 17

页数：5

共 11 条

[1] 基于竞争分类的神经网络短期电力负荷预测
姚李孝
姚金雄
李宝庆
万诗新
[J]. 电网技术, 2004, (10) : 45 - 48
[2] 一种基于径向基函数的短期负荷预测方法
赵剑剑
张步涵
程时杰
陆俭
[J]. 电网技术, 2003, (06) : 22 - 25+32
[3] 基于人工免疫网络的短期负荷预测模型
尤勇
盛万兴
王孙安
[J]. 中国电机工程学报, 2003, (03) : 26 - 29+98
[4] 基于神经网络的电力系统短期负荷预测研究
周佃民
管晓宏
孙婕
黄勇
[J]. 电网技术, 2002, (02) : 10 - 13+18
[5] 基于组合式神经网络的转子系统状态预测模型
陈耀武
汪乐宇
[J]. 中国电机工程学报, 2001, (01) : 31 - 35+40
[6] 遗传神经网络在电力系统短期负荷预测中的应用
梁海峰
涂光瑜
唐红卫
[J]. 电网技术, 2001, (01) : 49 - 53
[7] 能量管理系统(EMS) 第4讲电力系统负荷预报
汪峰
于尔铿
周京阳
[J]. 电力系统自动化, 1997, (04) : 69 - 72
[8] 智能优化算法及其应用.[M].王凌著;.清华大学出版社.2001,
[9] 人工神经元网络及其应用.[M].袁曾任编著;.广西科学技术出版社.1999,
[10] Training Elman and Jordan networks for system identification using genetic algorithms
Pham, DT
Karaboga, D
[J]. ARTIFICIAL INTELLIGENCE IN ENGINEERING, 1999, 13 (02): : 107 - 117

← 1 2 →