基于纵横交叉算法优化神经网络的负荷预测模型

被引：69

作者：

孟安波

胡函武

刘向东

机构：

[1] 广东工业大学自动化学院

来源：

电力系统保护与控制 | 2016年 / 44卷 / 07期

关键词：

小波变换; 神经网络; 纵横交叉算法; 高频分量; 负荷预测;

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：

为了解决传统BP神经网络对高频分量预测精度不高、泛化能力弱的缺点,提出了一种混合小波变换和纵横交叉算法(CSO)优化神经网络的短期负荷预测新方法。通过小波变换对负荷样本进行序列分解,对单支重构所得的负荷子序列采用纵横交叉算法优化的神经网络进行预测。最后叠加各子序列的预测值,得出实际预测结果。通过实际电网负荷预测表明,新模型能掌握冲击毛刺的变化规律,有效提高含大量冲击负荷地区的负荷预测精度,且预测模型具有较强泛化能力。

引用

页码：102 / 106

页数：5

共 11 条

[1]

大用户电力负荷的多模型模糊综合预测 [J].

谷云东 ;

张素杰 ;

冯君淑 .

电工技术学报, 2015, 30 (23) :110-115

[2]

基于人工神经网络的负荷模型预测 [J].

李龙 ;

魏靖 ;

黎灿兵 ;

曹一家 ;

宋军英 ;

方八零 .

电工技术学报, 2015, 30 (08) :225-230

[3]

基于ESPRIT分解算法的短期电力负荷预测 [J].

马哲 ;

舒勤 .

电力系统保护与控制, 2015, 43 (07) :90-96

[4]

短期负荷预测中考虑积温效应的温度修正模型研究 [J].

高赐威 ;

李倩玉 ;

苏卫华 ;

李扬 .

电工技术学报, 2015, 30 (04) :242-248

[5]

基于ARIMAX模型的夏季短期电力负荷预测 [J].

崔和瑞 ;

彭旭 .

电力系统保护与控制, 2015, 43 (04) :108-114

[6]

基于改进的小波-BP神经网络的风速和风电功率预测 [J].

肖迁 ;

李文华 ;

李志刚 ;

刘金龙 ;

刘会巧 .

电力系统保护与控制, 2014, 42 (15) :80-86

[7]

基于改进BP神经网络的光伏发电系统输出功率短期预测模型 [J].

丁明 ;

王磊 ;

毕锐 .

电力系统保护与控制, 2012, 40 (11) :93-99+148

[8]

基于蚁群优化算法递归神经网络的短期负荷预测 [J].

邹政达 ;

孙雅明 ;

张智晟 .

电网技术, 2005, (03) :59-63

[9]

Improved short-term load forecasting using bagged neural networks.[J].A.S. Khwaja;M. Naeem;A. Anpalagan;A. Venetsanopoulos;B. Venkatesh.Electric Power Systems Research.2015,

[10]

A short-term load forecasting model of natural gas based on optimized genetic algorithm and improved BP neural network.[J].Feng Yu;Xiaozhong Xu.Applied Energy.2014,

← 1 2 →