短期负荷预测神经网络方法比较

被引：20

作者：

李晓波 ^{[1
]}

罗枚 ^{[2
]}

冯凯 ^{[1
]}

机构：

[1] 漯河职业技术学院

[2] 陕西纺织服装职业技术学院

来源：

继电器 | 2007年 / 06期

关键词：

短期负荷预测; 人工神经网络; L-M算法; 贝叶斯正则化算法; 优化算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较。针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于SDBP模型),不适于在实际应用中采用。

引用

页码：49 / 53

页数：5