基于粒子群神经网络的热力站供热负荷预测

被引：16

作者：

刘剑 ^{[1
]}

杨勇 ^{[2
]}

邱庆刚 ^{[2
]}

机构：

[1] 大连大发热电有限公司

[2] 大连理工大学能源与动力学院

来源：

节能 | 2008年 / 06期

关键词：

热负荷; BP神经网络; 粒子群算法; 速度变异粒子群算法;

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：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

结合河北省秦皇岛市碧水园热力站的供热实际情况,提出了利用BP神经网络进行热力站供热负荷的预测。为克服标准BP算法收敛速度慢和易于陷入局部最小的问题,提出利用进化算法——粒子群算法进行神经网络初始状态的优化。在此基础上,进一步提出了混合粒子群算法和速度变异粒子群算法两种改进算法提高优化性能。计算结果表明,采用粒子群算法和BP算法相结合的办法,可以明显提高热负荷的预测精度。

引用

页码：27 / 30+2 +2-3

页数：6

共 4 条

[1]

基于神经网络的热力站换热器系统的预测控制 [J].

刘剑 ;

杨勇 ;

邱庆刚 .

节能, 2007, (12) :28-30+2

[2]

热负荷预测的RBF神经网络预测方法研究 [J].

张宏涛 ;

祁静 .

节能技术, 2004, (04) :57-58

[3]

粒子群优化算法的改进及其在管道保温优化设计中的应用 [D].

林玉娥 .

大庆石油学院,

2006

[4]

Analysis of Pollutant Levels in Central Hong Kong Applying Neural Network Method with Particle Swarm Optimization[J] W. Z. Lu;H. Y. Fan;A. Y. T. Leung;J. C. K. Wong Environmental Monitoring and Assessment 2002,

← 1 →