基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测

被引：88

作者：

吴云 ^{[1
]}

雷建文 ^{[1
]}

鲍丽山 ^{[2
]}

李春哲 ^{[3
]}

机构：

[1] 东北电力大学信息工程学院

[2] 国网江苏省电力有限公司信息通信分公司

[3] 国网吉林省电力有限公司辽源供电公司

来源：

电力系统自动化 | 2018年 / 42卷 / 20期

关键词：

负荷预测; 神经网络; 蝙蝠算法; 灰色关联; 相似日;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

针对短期负荷预测的精度问题,文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法。在传统的灰色关联分析方法基础上,引入以距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日。为缩小训练样本的差异程度,提高预测精度,利用相似日集合中的样本来训练蝙蝠优化的反向传播(BP)神经网络预测模型。以中国南方某城市的历史数据作为实际算例,将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯的BP神经网络法、蝙蝠优化BP神经网络法、传统灰色关联与蝙蝠优化的BP神经网络组合法的预测结果相比,结果表明文中方法的预测精度较高。

引用

页码：67 / 72

页数：6

共 19 条

[11]

基于BP神经网络的短期电力负荷预测的研究[D]. 隋惠惠.哈尔滨工业大学 2015

[12]

基于模糊聚类选取相似日的短期电力负荷预测[D]. 于龙.上海交通大学 2013

[13]

灰色关联分析模型及其应用的研究[D]. 曹明霞.南京航空航天大学 2007

[14]

Convergence analysis of BP neural networks via sparse response regularization[J] . Jian Wang,Yanqing Wen,Zhenyun Ye,Ling Jian,Hua Chen.Applied Soft Computing . 2017

[15]

Short-term residential load forecasting: Impact of calendar effects and forecast granularity[J] . Peter Lusis,Kaveh Rajab Khalilpour,Lachlan Andrew,Ariel Liebman.Applied Energy . 2017

[16]

On the approximation of the step function by some sigmoid functions[J] . A. Iliev,N. Kyurkchiev,S. Markov.Mathematics and Computers in Simulation . 2015

[17]

A review on artificial intelligence based load demand forecasting techniques for smart grid and buildings[J] . Muhammad Qamar Raza,Abbas Khosravi.Renewable and Sustainable Energy Reviews . 2015

[18]

A Comparison of BA, GA, PSO, BP and LM for Training Feed forward Neural Networks in e-Learning Context[J] . Koffka Khan,Ashok Sahai.International Journal of Intelligent Systems and Applications（IJISA） . 2012 (7)

[19]

The Application of the Pso Based BP Network in Short-Term Load Forecasting[J] . Pian Zhaoyu,Li Shengzhu,Zhang Hong,Zhang Nan.Physics Procedia . 2012

← 1 2 →